escuela politÉcnica nacionalbibdigital.epn.edu.ec/bitstream/15000/6446/1/cd-4980.pdfmarcela...

ESCUELA POLITÉCNICA NACIONAL

FACULTAD DE CIENCIAS

DESARROLLO DE LOS INDICADORES DE QUIEBRA Y

PRODUCTIVIDAD PARA EL SECTOR INDUSTRIAS

MANUFACTURERAS DEL ECUADOR, AL AÑO 2009, DE LAS

EMPRESAS BAJO EL CONTROL DE LA SUPERINTENDENCIA DE

COMPAÑÍAS

PROYECTO DE TITULACIÓN PREVIO A LA OBTENCIÓN DEL TÍ TULO DE

INGENIERO EN CIENCIAS ECONÓMICAS Y FINANCIERAS

CHRISTIAN FERNANDO ORTEGA ARÉVALO

[email protected]

Directora: Ing. Marcela Elizabeth Guachamín Guerra, M.Sc.

[email protected]

Co – Director: Dr. Julio César Medina Vallejo

[email protected]

2013

ii

DECLARACIÓN

Yo, Christian Fernando Ortega Arévalo, declaro bajo juramento que el trabajo aquí

descrito es de mi autoría; que no ha sido previamente presentado para ningún

grado o calificación profesional; y, que he consultado las referencias bibliográficas

que se incluyen en este documento.

La Escuela Politécnica Nacional puede hacer uso de los derechos

correspondientes a este trabajo, según lo establecido por la Ley de Propiedad

Intelectual, por su Reglamento y por la normatividad institucional vigente.

Christian Fernando

Ortega Arévalo

iii

CERTIFICACIÓN

Certifico que el presente trabajo fue desarrollado por Christian Fernando Ortega

Arévalo, bajo mi supervisión.

Ing. Marcela Elizabeth

Guachamín Guerra, M.Sc.

DIRECTORA

Dr. Julio César

Medina Vallejo

CO-DIRECTOR

iv

AGRADECIMIENTOS

El infinito agradecimiento a Dios, quien me ha bendecido cada día de mi vida, que

me ha permitido darme cuenta que aquel que quiere ser, lo es, y quien no quiere

ser, simplemente no lo es.

A mi padre y mi madre, quienes han sido el pilar fundamental en mi formación

como persona, sin su ejemplo, enseñanzas, cariño, confianza, motivación y apoyo

esto no podría ser posible, a mis hermanos Diana y Andrés y mi sobrino Justin, su

compañía, alegría y ocurrencias son la mejor motivación para soñar.

A todos mis profesores que a lo largo de mi formación profesional supieron brindar

su conocimiento para formar un profesional íntegro, de manera muy especial al

Mat. Alejandro Araujo, al Dr. Petronio Espinosa y la Ing. Marcela Guachamín

quienes de una u otra forma han contribuido en mi formación profesional y en la

elaboración de esta investigación.

A mis amigos y amigas, quienes de diferente manera me han motivado para

alcanzar mis metas, en especial a Gaby y Sebastián, su apoyo incondicional en

esta causa es un tesoro que apreciaré toda mi vida.

v

DEDICATORIA

Esta investigación no es más que el fruto del amor y formación que mi familia me

ha brindado, a mis padres que me han motivado a lo largo de mi vida y a mis

hermanos que me han acompañado e impulsado desde siempre y mi sobrino que

me ha genera esperanza cada día, por eso, este trabajo es dedicado

completamente a ustedes, Fernando, Marianita, Diana, Andrés y Justin, ustedes

son el pilar de mi vida, la esencia de quién soy y la estimulación para buscar y

conquistar nuevos logros a lo largo de mi vida, los amo.

ChristianChristianChristianChristian FernandoFernandoFernandoFernando

vi

ÍNDICE DE CONTENIDO

LISTA DE FIGURAS ............................................................................................. xiii

LISTA DE TABLAS ................................................................................................ xvi

LISTA DE ANEXOS ............................................................................................... xx

RESUMEN .............................................................................................................. 1

ABSTRACT ............................................................................................................. 2

CAPITULO I ............................................................................................................ 3

INTRODUCCIÓN Y ANTECEDENTES ................................................................... 3

1.1 PLANTEAMIENTO DEL PROBLEMA ....................................................... 3

1.2 OBJETIVOS .............................................................................................. 5

1.2.1 OBJETIVO GENERAL .................................................................................... 5

1.2.2 OBJETIVOS ESPECÍFICOS........................................................................... 5

1.3 HIPÓTESIS ............................................................................................... 5

1.4 JUSTIFICACIÓN ....................................................................................... 6

1.4.1 JUSTIFICACIÓN TEÓRICA ............................................................................ 6

1.4.2 JUSTIFICACIÓN PRÁCTICA .......................................................................... 6

1.5 PANORAMA DEL SECTOR “INDUSTRIAS MANUFACTURERAS”

DURANTE EL PERÍODO 2006 - 2009................................................................ 8

1.5.1 SISTEMA DE CUENTAS NACIONALES (SCN) ............................................. 8

1.5.1.1 CLASIFICACIÓN INDUSTRIAL INTERNACIONAL UNIFORME DE

TODAS LAS ACTIVIDADES ECONÓMICAS (CIIU) ............................................... 9

1.5.1.2 SECTOR “D”, INDUSTRIAS MANUFACTURERAS ............................. 10

1.5.2 EL SECTOR “D”, “INDUSTRIAS MANUFACTURERAS” ECUATORIANAS Y SU INCIDENCIA EN EL PRODUCTO INTERNO BRUTO (PIB), PERÍODO 2006 – 2009 12

1.5.3 EL SECTOR “D”, “INDUSTRIAS MANUFACTURERAS” DEL ECUADOR Y EL PERSONAL OCUPADO, PERÍODO 2006 – 2009 .................................................... 16

vii

1.5.4 ANÁLISIS DE LA EVOLUCIÓN DEL NÚMERO DE EMPRESAS DURANTE EL PERÍODO 2006 – 2009. ...................................................................................... 21

1.5.5 COMPOSICIÓN DEL SECTOR “D”, INDUSTRIAS MANUFACTURERAS EN CUANTO A SUS SEGMENTOS Y SITUACIÓN LEGAL DURANTE EL PERÍODO 2006 – 2009 .............................................................................................................. 23

CAPITULO II ......................................................................................................... 27

INDICADOR DE QUIEBRA PARA LA PREVENCIÓN DE INSOLVENCIAS

EMPRESARIALES DEL SECTOR “D”, “INDUSTRIAS MANUFACTURERAS” EN

EL ECUADOR. ...................................................................................................... 27

2.1 MARCO TEÓRICO ................................................................................. 27

2.1.1 DEFINICIONES BÁSICAS ............................................................................ 27

2.1.1.1 INACTIVIDAD ...................................................................................... 28

2.1.1.2 DISOLUCIÓN ...................................................................................... 28

2.1.1.3 LIQUIDACIÓN ..................................................................................... 28

2.1.1.4 CANCELACIÓN ................................................................................... 29

2.1.1.5 SOLVENCIA ........................................................................................ 29

2.1.1.6 INSOLVENCIA .................................................................................... 30

2.1.1.7 QUIEBRA ............................................................................................ 31

2.2 INDICADORES FINANCIEROS .............................................................. 32

2.2.1 INDICADORES DE LIQUIDEZ EN EL SECTOR “D”, “INDUSTRIAS MANUFACTURERAS” .............................................................................................. 34

2.2.2 INDICADORES DE SOLVENCIA EN EL SECTOR “D”, “INDUSTRIAS MANUFACTURERAS” .............................................................................................. 35

2.2.3 INDICADORES DE GESTIÓN EN EL SECTOR “D”, “INDUSTRIAS MANUFACTURERAS” .............................................................................................. 38

2.2.4 INDICADORES DE RENTABILIDAD EN EL SECTOR “D”, “INDUSTRIAS MANUFACTURERAS” .............................................................................................. 42

2.3 REVISIÓN METODOLÓGICA ................................................................. 45

2.4 JUSTIFICACIÓN DEL MODELO A SEGUIR .......................................... 47

2.5 MODELO ................................................................................................ 48

2.5.1 FUNCIÓN DISCRIMINANTE DE FISHER .................................................... 50

viii

2.5.2 MODELO Z DE ALTMAN ............................................................................. 54

2.6 DESARROLLO DEL MODELO DE QUIEBRA PARA EL SECTOR “D”,

IDUSTRIAS MANUFACTURERAS .................................................................... 56

2.6.1 DEFINICIÓN DE LAS VARIABLES ............................................................... 56

2.6.2 TRATAMIENTO DE LA INFORMACIÓN Y SELECCIÓN DE LA MUESTRA 59

2.6.3 ANÁLISIS Y ESTIMACIÓN DE LA FUNCIÓN DISCRIMINANTE PARA EL SEGMENTO “GRANDES EMPRESAS” A LOS AÑOS 2006 Y 2009 ........................ 62

2.6.3.1 ANÁLISIS DE NORMALIDAD DEL SEGMENTO “GRANDES

EMPRESAS” AÑOS 2006 Y 2009 ........................................................................ 63

2.6.3.2 ANÁLISIS DE HOMOCEDASTICIDAD DEL SEGMENTO “GRANDES

EMPRESAS” AÑO 2006 Y 2009 .......................................................................... 63

2.6.3.3 ANÁLISIS DE DIFERENCIA DE MEDIAS DEL SEGMENTO “GRANDES

EMPRESAS” AÑOS 2006 Y 2009 ........................................................................ 64

2.6.3.4 ESTIMACIÓN DE LA FUNCIÓN DISCRIMINANTE PARA EL

SEGMENTO “GRANDES EMPRESAS” A LOS AÑOS 2006 Y 2009 .................... 64

2.6.3.5 CONSTRUCCIÓN DEL TERMÓMETRO DE INSOLVENCIA PARA EL

SEGMENTO “GRANDES EMPRESAS” PARA LOS AÑOS 2006 Y 2009 ............. 71

2.6.4 ANÁLISIS Y ESTIMACIÓN DE LA FUNCIÓN DISCRIMINANTE PARA EL SEGMENTO “MEDIANAS EMPRESAS” A LOS AÑOS 2006 Y 2009 ....................... 75

2.6.4.1 ANÁLISIS DE NORMALIDAD DEL SEGMENTO “MEDIANAS

EMPRESAS” AÑOS 2006 Y 2009 ........................................................................ 76

2.6.4.2 ANÁLISIS DE HOMOCEDASTICIDAD DEL SEGMENTO “MEDIANAS

EMPRESAS” AÑO 2006 Y 2009. ......................................................................... 76

2.6.4.3 ANÁLISIS DE DIFERENCIA DE MEDIAS DEL SEGMENTO

“MEDIANAS EMPRESAS” AÑOS 2006 Y 2009 ................................................... 77


SEGMENTO “MEDIANAS EMPRESAS” PARA LOS AÑOS 2006 Y 2009 ............ 83

2.6.5 ANÁLISIS Y ESTIMACIÓN DE LA FUNCIÓN DISCRIMINANTE PARA EL SEGMENTO “PEQUEÑAS EMPRESAS” A LOS AÑOS 2006 Y 2009 ...................... 87

2.6.5.1 ANÁLISIS DE NORMALIDAD DEL SEGMENTO “PEQUEÑAS

EMPRESAS” AÑO 2006 Y 2009. ......................................................................... 88

ix

2.6.5.2 ANÁLISIS DE HOMOCEDASTICIDAD DEL SEGMENTO “PEQUEÑAS

EMPRESAS” AÑO 2006 Y 2009 .......................................................................... 88


“PEQUEÑAS EMPRESAS” AÑOS 2006 Y 2009 .................................................. 89


SEGMENTO “PEQUEÑAS EMPRESAS” PARA LOS AÑOS 2006 Y 2009 .......... 96

2.6.6 DETERMINANTES DE INSOLVENCIA DE LAS EMPRESAS DE LA INDUSTRIA MANUFACTURERA ........................................................................... 100

2.6.6.1 DETERMINANTES DE INSOLVENCIA DE LAS GRANDES EMPRESAS DE LA INDUSTRIA MANUFACTURERA ...................................................................... 101

2.6.6.2 DETERMINANTES DE INSOLVENCIA DE LAS MEDIANAS EMPRESAS DE LA INDUSTRIA MANUFACTURERA ...................................................................... 102

2.6.6.3 DETERMINANTES DE INSOLVENCIA DE LAS PEQUEÑAS EMPRESAS DE LA INDUSTRIA MANUFACTURERA ...................................................................... 103

CAPITULO III ...................................................................................................... 105

INDICADOR DE PRODUCTIVIDAD EMPRESARIAL DEL SECTOR “D”,

“INDUSTRIAS MANUFACTURERAS” EN EL ECUADOR .................................. 105

3.1 MARCO TEÓRICO ............................................................................... 105

3.1.1 DEFINICIONES BÁSICAS .......................................................................... 105

3.1.1.1 PRODUCCIÓN .................................................................................. 105

3.1.1.2 PRODUCTIVIDAD ............................................................................. 105

3.1.1.3 IMPRODUCTIVIDAD ......................................................................... 106

3.1.1.4 PRODUCTO ...................................................................................... 107

3.2 REVISIÓN METODOLÓGICA ............................................................... 107

3.3 METODOLOGÍA ................................................................................... 111

3.4 DESARROLLO DEL MODELO DE PRODUCTIVIDAD PARA EL

SECTOR “D”, INDUSTRIAS MANUFACTURERAS ........................................ 112

3.4.1 DEFINICIÓN DE LAS VARIABLES ............................................................. 113

3.4.2 TRATAMIENTO DE LA INFORMACIÓN Y SELECCIÓN DE LA MUESTRA 115

x

3.4.3 ANÁLISIS Y ESTIMACIÓN DE LA FUNCIÓN DISCRIMINANTE PARA EL SEGMENTO “GRANDES EMPRESAS” A LOS AÑOS 2006 Y 2009 ...................... 116

3.4.3.2 ANÁLISIS DE HOMOCEDASTICIDAD DEL SEGMENTO “GRANDES

EMPRESAS”AÑOS 2006 Y 2009 ....................................................................... 117

3.4.3.3 ANÁLISIS DE DIFERENCIA DE MEDIAS DEL SEGMENTO “GRANDES

EMPRESAS” AÑOS 2006 Y 2009 ...................................................................... 117

3.4.3.4 ESTIMACIÓN DE LA FUNCIÓN DISCRIMINANTE PARA EL

SEGMENTO “GRANDES EMPRESAS” A LOS AÑOS 2006 Y 2009 .................. 118

3.4.3.5 CONSTRUCCIÓN DEL TERMÓMETRO DE PRODUCTIVIDAD PARA

EL SEGMENTO “GRANDES EMPRESAS” PARA LOS AÑOS 2006 Y 2009 ..... 125

3.4.4 ANÁLISIS Y ESTIMACIÓN DE LA FUNCIÓN DISCRIMINANTE PARA EL SEGMENTO “MEDIANAS EMPRESAS” A LOS AÑOS 2006 Y 2009 ..................... 130

3.4.4.1 ANÁLISIS DE NORMALIDAD DEL SEGMENTO “MEDIANAS

EMPRESAS” AÑOS 2006 Y 2009 ...................................................................... 130

3.4.4.2 ANÁLISIS DE HOMOCEDASTICIDAD DEL SEGMENTO “MEDIANAS

EMPRESAS” AÑO 2006 Y 2009 ........................................................................ 131


“MEDIANAS EMPRESAS” AÑO 2006 Y 2009 .................................................... 131


EL SEGMENTO “MEDIANAS EMPRESAS” PARA LOS AÑOS 2006 Y 2009 .... 138

3.4.5 ANÁLISIS Y ESTIMACIÓN DE LA FUNCIÓN DISCRIMINANTE PARA EL SEGMENTO “PEQUEÑAS EMPRESAS” A LOS AÑOS 2006 Y 2009 .................... 142

3.4.5.1 ANÁLISIS DE NORMALIDAD DEL SEGMENTO “PEQUEÑAS

EMPRESAS” AÑOS 2006 Y 2009 ...................................................................... 142

3.4.5.2 ANÁLISIS DE HOMOCEDASTICIDAD DEL SEGMENTO “PEQUEÑAS

EMPRESAS” AÑO 2006 Y 2009 ........................................................................ 143


“PEQUEÑAS EMPRESAS” AÑO 2006 Y 2009 ................................................... 143


EL SEGMENTO “PEQUEÑAS EMPRESAS” PARA LOS AÑOS 2006 Y 2009 ... 150

CAPITULO IV ...................................................................................................... 156

xi

DETERMINACIÓN DEL COMPORTAMIENTO DEL SECTOR “D”, “INDUSTRIAS

MANUFACTURERAS” EN RELACIÓN AL INDICADOR DE QUIEBRA Y AL

INDICADOR DE PRODUCTIVIDAD .................................................................... 156

4.1 INTERACCIÓN ENTRE SOLVENCIA Y PRODUCTIVIDAD ................. 156

4.2 DETERMINANTES DEL INDICADOR DE QUIEBRA PARA LA

“INDUSTRIA MANUFACTURERA” .................................................................. 158

4.2.1 VARIABLES DISCRIMINANTES DEL INDICADOR DE QUIEBRA PARA EL SEGMENTO “GRANDES EMPRESAS” .................................................................. 158

4.2.2 VARIABLES DISCRIMINANTES DEL INDICADOR DE QUIEBRA PARA EL SEGMENTO “MEDIANAS EMPRESAS” ................................................................. 159

4.2.3 VARIABLES DISCRIMINANTES DEL INDICADOR DE QUIEBRA PARA EL SEGMENTO “PEQUEÑAS EMPRESAS”................................................................ 160

4.3 DETERMINANTES DEL INDICADOR DE PRODUCTIVIDAD PARA LA

“INDUSTRIA MANUFACTURERA” .................................................................. 162

4.3.1 VARIABLES DISCRIMINANTES DEL INDICADOR DE PRODUCTIVIDAD PARA EL SEGMENTO “GRANDES EMPRESAS” .................................................. 163

4.3.2 VARIABLES DISCRIMINANTES DEL INDICADOR DE PRODUCTIVIDAD PARA EL SEGMENTO “MEDIANAS EMPRESAS” ................................................. 164

4.3.3 VARIABLES DISCRIMINANTES DEL INDICADOR DE PRODUCTIVIDAD PARA EL SEGMENTO “PEQUEÑAS EMPRESAS” ................................................ 165

4.4 INTERRELACIÓN DE LOS INDICADORES DE QUIEBRA Y DE

PRODUCTIVIDAD ........................................................................................... 166

4.4.1 COMPORTAMIENTO DE LOS INDICADORES DE QUIEBRA Y DE PRODUCTIVIDAD EN EL SEGMENTO “GRANDES EMPRESAS” ........................ 166

4.4.2 COMPORTAMIENTO DE LOS INDICADORES DE QUIEBRA Y DE PRODUCTIVIDAD EN EL SEGMENTO “MEDIANAS EMPRESAS” ....................... 168

4.4.3 COMPORTAMIENTO DE LOS INDICADORES DE QUIEBRA Y DE PRODUCTIVIDAD EN EL SEGMENTO “PEQUEÑAS EMPRESAS” ...................... 170

CAPÍTULO V ....................................................................................................... 174

CONCLUSIONES Y RECOMENDACIONES ...................................................... 174

5.1 CONCLUSIONES ................................................................................. 174

5.2 RECOMENDACIONES ......................................................................... 179

xii

REFERENCIAS ................................................................................................... 181

ANEXOS ............................................................................................................. 185

xiii

LISTA DE FIGURAS

FIGURA 1. PIB TOTAL Y DEL SECTOR “INDUSTRIAS MANUFACTURERAS” (PERÍODO 2006 –

2009) / A MILLONES DE DÓLARES DEL 2000.............................................................................. 14

FIGURA 2. PIB A PRECIOS CONSTANTES (MILLONES DE DÓLARES DEL 2000) / TASA ANUAL

DE CRECIMIENTO .............................................................................................................................. 16

FIGURA 3. PERSONAL OCUPADO SEGÚN ACTIVIDAD ECONÓMICA (PERÍODO 2006 – 2009)

................................................................................................................................................................ 18

FIGURA 4. CONCENTRACIÓN DEL PERSONAL OCUPADO AÑOS 2008 Y 2009.......................... 20

FIGURA 5. NÚMERO TOTAL DE EMPRESAS (PERÍODO 2006 – 2009) .......................................... 21

FIGURA 6. . NÚMERO DE EMPRESAS EN DETERMINADOS SECTORES DE IMPORTANCIA .. 22

FIGURA 7. CONCENTRACIÓN DE EMPRESAS DISUELTAS Y/O LIQUIDADAS DEL SECTOR

“INDUSTRIAS MANUFACTURERAS” (PERÍODO 2006 – 2009) ................................................. 25

FIGURA 8. INDICADORES DE LIQUIDEZ EN EL SECTOR “D”, “INDUSTRIAS

MANUFACTURERAS” ........................................................................................................................ 34

FIGURA 9. INDICADORES DE SOLVENCIA EN EL SECTOR “D”, “INDUSTRIAS

MANUFACTURERAS” (“ENDEUDAMIENTO DEL ACTIVO”, “ENDEUDAMIENTO

PATRIMONIAL”, “ENDEUDAMIENTO DEL ACTIVO FIJO”) ......................................................... 36

FIGURA 10. INDICADORES DE SOLVENCIA EN EL SECTOR “D”, “INDUSTRIAS

MANUFACTURERAS” (“APALANCAMIENTO” Y “APALANCAMIENTO FINANCIERO”) ........ 37

FIGURA 11. INDICADORES DE GESTIÓN EN EL SECTOR “D”, “INDUSTRIAS

MANUFACTURERAS” (“ROTACIÓN DE CARTERA”, “ROTACIÓN DE ACTIVO FIJO” Y

“ROTACIÓN DE VENTAS”) ................................................................................................................ 39


MANUFACTURERAS” (“PERÍODO MEDIO DE COBRANZA” Y “PERÍODO MEDIO DE

PAGO”) .................................................................................................................................................. 40


MANUFACTURERAS” (“IMPACTO GASTOS DE ADMINISTRACIÓN” E “IMPACTO CARGA

FINANCIERA”) ...................................................................................................................................... 41

FIGURA 14. INDICADORES DE RENTABILIDAD EN EL SECTOR “D”, “INDUSTRIAS

MANUFACTURERAS” (“RENTABILIDAD NETA DEL ACTIVO (DU PONT)”, “MARGEN

BRUTO”, “MARGEN OPERACIONAL”, “RENTABILIDAD NETA DE VENTAS (MARGEN

NETO)”, “RENTABILIDAD OPERACIONAL DEL PATRIMONIO” Y “RENTABILIDAD

FINANCIERA” ....................................................................................................................................... 43

FIGURA 15. DESARROLLO DEL TERMÓMETRO DE INSOLVENCIA, SEGMENTO GRANDES

EMPRESAS, AÑO 2006 ..................................................................................................................... 72

xiv

FIGURA 16. TERMÓMETRO DE INSOLVENCIA, SEGMENTO GRANDES EMPRESAS, AÑO 2006

................................................................................................................................................................ 73

FIGURA 17. DESARROLLO DEL TERMÓMETRO DE INSOLVENCIA, SEGMENTO GRANDES

EMPRESAS, AÑO 2009 ..................................................................................................................... 74

FIGURA 18. TERMÓMETRO DE INSOLVENCIA, SEGMENTO GRANDES EMPRESAS, AÑO 2009

................................................................................................................................................................ 75

FIGURA 19. DESARROLLO DEL TERMÓMETRO DE INSOLVENCIA, SEGMENTO MEDIANAS

EMPRESAS, AÑO 2006 ..................................................................................................................... 84

FIGURA 20. TERMÓMETRO DE INSOLVENCIA, SEGMENTO MEDIANAS EMPRESAS, AÑO

2006 ....................................................................................................................................................... 85

FIGURA 21. DESARROLLO DEL TERMÓMETRO DE INSOLVENCIA, SEGMENTO MEDIANAS

EMPRESAS, AÑO 2009 ..................................................................................................................... 86

FIGURA 22. TERMÓMETRO DE INSOLVENCIA, SEGMENTO MEDIANAS EMPRESAS, AÑO

2009 ....................................................................................................................................................... 87

FIGURA 23. DESARROLLO DEL TERMÓMETRO DE INSOLVENCIA, SEGMENTO PEQUEÑAS

EMPRESAS, AÑO 2006 ..................................................................................................................... 97

FIGURA 24. TERMÓMETRO DE INSOLVENCIA, SEGMENTO PEQUEÑAS EMPRESAS, AÑO

2006 ....................................................................................................................................................... 98

FIGURA 25. DESARROLLO DEL TERMÓMETRO DE INSOLVENCIA, SEGMENTO PEQUEÑAS

EMPRESAS, AÑO 2009 ..................................................................................................................... 99

FIGURA 26. TERMÓMETRO DE INSOLVENCIA, SEGMENTO PEQUEÑAS EMPRESAS, AÑO

2009 ..................................................................................................................................................... 100

FIGURA 27. DESARROLLO DEL TERMÓMETRO DE PRODUCTIVIDAD, SEGMENTO GRANDES

EMPRESAS, AÑO 2006 ................................................................................................................... 126

FIGURA 28. TERMÓMETRO DE PRODUCTIVIDAD, SEGMENTO GRANDES EMPRESAS, AÑO

2006 ..................................................................................................................................................... 127

FIGURA 29. DESARROLLO DEL TERMÓMETRO DE PRODUCTIVIDAD, SEGMENTO GRANDES

EMPRESAS, AÑO 2009 ................................................................................................................... 128

FIGURA 30. TERMÓMETRO DE PRODUCTIVIDAD, SEGMENTO GRANDES EMPRESAS, AÑO

2009 ..................................................................................................................................................... 129

FIGURA 31. DESARROLLO DEL TERMÓMETRO DE PRODUCTIVIDAD, SEGMENTO

MEDIANAS EMPRESAS, AÑO 2006 .............................................................................................. 138

FIGURA 32. TERMÓMETRO DE PRODUCTIVIDAD, SEGMENTO MEDIANAS EMPRESAS, AÑO

2006 ..................................................................................................................................................... 139

FIGURA 33. - DESARROLLO DEL TERMÓMETRO DE PRODUCTIVIDAD, SEGMENTO


xv

FIGURA 34. TERMÓMETRO DE PRODUCTIVIDAD, SEGMENTO MEDIANAS EMPRESAS, AÑO

2009 ..................................................................................................................................................... 141


PEQUEÑAS EMPRESAS, AÑO 2006 ............................................................................................ 151

FIGURA 36. TERMÓMETRO DE PRODUCTIVIDAD, SEGMENTO PEQUEÑAS EMPRESAS, AÑO

2006 ..................................................................................................................................................... 152



FIGURA 38. TERMÓMETRO DE PRODUCTIVIDAD, SEGMENTO PEQUEÑAS EMPRESAS, AÑO

2009 ..................................................................................................................................................... 154

xvi

LISTA DE TABLAS

TABLA 1. CIIU REV. 3.1, ESTRUCTURA GENERAL ............................................................................. 10

TABLA 2. PIB TOTAL Y DEL SECTOR “INDUSTRIAS MANUFACTURERAS” (PERÍODO 2006 –

2009) ...................................................................................................................................................... 13

TABLA 3. PIB A PRECIOS CONSTANTES (MILLONES DE DÓLARES DEL 2000) / TASA ANUAL

DE CRECIMIENTO .............................................................................................................................. 15

TABLA 4. PERSONAL OCUPADO SEGÚN ACTIVIDAD ECONÓMICA (PERÍODO 2006 – 2009) . 17

TABLA 5. PERSONAL OCUPADO DEL SECTOR “INDUSTRIAS MANUFACTURERAS”

(PERÍODO 2006 – 2009) .................................................................................................................... 19

TABLA 6. CLASIFICACIÓN DE LAS PYMES, NORMATIVA DE LA COMUNIDAD ANDINA DE

NACIONES, RESOLUCIÓN 1260 ..................................................................................................... 23

TABLA 7. SEGMENTO Y SITUACIÓN LEGAL DE LAS EMPRESAS DEL SECTOR “INDUSTRIAS

MANUFACTURERAS” (PERÍODO 2006 – 2009) ........................................................................... 24

TABLA 8. INDICADORES FINANCIEROS ................................................................................................ 33

TABLA 9. VARIABLES DEPENDIENTES E INDEPENDIENTES PARA EL INDICADOR DE

QUIEBRA .............................................................................................................................................. 57

TABLA 10. ENDEUDAMIENTO DEL ACTIVO Y ENDEUDAMIENTO PATRIMONIAL DEL SECTOR

“D”, “INDUSTRIAS MANUFACTURERAS”, AÑOS 2006 Y 2009 ................................................. 58

TABLA 11. COMPOSICIÓN DE LOS SEGMENTOS DE LAS EMPRESAS DEL SECTOR “D”,

“INDUSTRIAS MANUFACTURERAS” .............................................................................................. 60

TABLA 12. AUTOVALORES DE LAS FUNCIONES DISCRIMINANTES DE QUIEBRA, SEGMENTO

GRANDES EMPRESAS, AÑOS 2006 Y 2009 ................................................................................ 66

TABLA 13. CORRELACIONES INTRA – GRUPOS DE LAS FUNCIONES DISCRIMINANTES DE

QUIEBRA, SEGMENTO GRANDES EMPRESAS, AÑOS 2006 Y 2009..................................... 67

TABLA 14. RESULTADOS DE LA CLASIFICACIÓN, SEGMENTO GRANDES EMPRESAS, AÑO

2006 ....................................................................................................................................................... 68


2009 ....................................................................................................................................................... 69

TABLA 16. COEFICIENTES DE LAS FUNCIONES CANÓNICAS DISCRIMINANTES, SEGMENTO

GRANDES EMPRESAS, AÑOS 2006 Y 2009 ................................................................................ 69

TABLA 17. COEFICIENTES DE LAS FUNCIONES DISCRIMINANTES LINEALES DE FISHER,

SEGMENTO GRANDES EMPRESAS, AÑOS 2006 Y 2009 ......................................................... 70

TABLA 18. MUESTRA DE LAS PUNTUACIONES DISCRIMINANTES DEL INDICADOR DE

QUIEBRA SEGMENTO GRANDES EMPRESAS, AÑOS 2006 Y 2009 ...................................... 71

xvii


MEDIANAS EMPRESAS, AÑOS 2006 Y 2009 ............................................................................... 78


QUIEBRA, SEGMENTO MEDIANAS EMPRESAS, AÑOS 2006 Y 2009 ................................... 78

TABLA 21. RESULTADOS DE LA CLASIFICACIÓN, SEGMENTO MEDIANAS EMPRESAS, AÑO

2006 ....................................................................................................................................................... 79


2009 ....................................................................................................................................................... 80


MEDIANAS EMPRESAS, AÑOS 2006 Y 2009 ............................................................................... 81


SEGMENTO MEDIANAS EMPRESAS, AÑOS 2006 Y 2009. ...................................................... 81


QUIEBRA SEGMENTO MEDIANAS EMPRESAS, AÑOS 2006 Y 2009 ..................................... 83


PEQUEÑAS EMPRESAS, AÑOS 2006 Y 2009 .............................................................................. 90


QUIEBRA, SEGMENTO PEQUEÑAS EMPRESAS, AÑOS 2006 Y 2009 .................................. 91

TABLA 28. RESULTADOS DE LA CLASIFICACIÓN, SEGMENTO PEQUEÑAS EMPRESAS, AÑO

2006 ....................................................................................................................................................... 92


2009 ....................................................................................................................................................... 93


PEQUEÑAS EMPRESAS, AÑOS 2006 Y 2009 .............................................................................. 94


SEGMENTO PEQUEÑAS EMPRESAS, AÑOS 2006 Y 2009 ...................................................... 94


QUIEBRA SEGMENTO PEQUEÑAS EMPRESAS, AÑOS 2006 Y 2009 ................................... 96


QUIEBRA DE LAS EMPRESAS CON MAYORES PROBLEMAS DE SOLVENCIA, AÑOS

2006 Y 2009 ........................................................................................................................................ 101

TABLA 34. RATIOS DE PRODUCCIÓN PROPUESTOS POR SAMUEL EILON ............................. 110

TABLA 35. VARIABLES DEPENDIENTES E INDEPENDIENTES PARA EL INDICADOR DE

PRODUCTIVIDAD ............................................................................................................................. 114

TABLA 36. COSTO DE VENTAS A LAS VENTAS DEL SECTOR “D”, INDUSTRIAS

MANUFACTURERAS, AÑOS 2006 Y 2009 ................................................................................... 114

xviii

TABLA 37. UMBRAL PARA LA DISCRIMINACIÓN DE LAS EMPRESAS DEL SECTOR “D”,

INDUSTRIAS MANUFACTURERAS, AÑOS 2006 Y 2009 PARA EL INDICADOR DE

PRODUCTIVIDAD ............................................................................................................................. 115

TABLA 38. AUTOVALORES DE LAS FUNCIONES DISCRIMINANTES DE PRODUCTIVIDAD,

SEGMENTO GRANDES EMPRESAS, AÑOS 2006 Y 2009 ....................................................... 119


PRODUCTIVIDAD, SEGMENTO GRANDES EMPRESAS, AÑOS 2006 Y 2009.................... 120


2006 ..................................................................................................................................................... 121


2009 ..................................................................................................................................................... 122


GRANDES EMPRESAS, AÑOS 2006 Y 2009 .............................................................................. 122


SEGMENTO GRANDES EMPRESAS, AÑOS 2006 Y 2009 ....................................................... 123


PRODUCTIVIDAD SEGMENTO GRANDES EMPRESAS, AÑOS 2006 Y 2009 ..................... 124


SEGMENTO MEDIANAS EMPRESAS, AÑOS 2006 Y 2009...................................................... 132


PRODUCTIVIDAD, SEGMENTO MEDIANAS EMPRESAS, AÑOS 2006 Y 2009 .................. 133


2006 ..................................................................................................................................................... 134


2009 ..................................................................................................................................................... 134


MEDIANAS EMPRESAS, AÑOS 2006 Y 2009 ............................................................................. 135


SEGMENTO MEDIANAS EMPRESAS, AÑOS 2006 Y 2009...................................................... 136


QUIEBRA SEGMENTO MEDIANAS EMPRESAS, AÑOS 2006 Y 2009 ................................... 137


SEGMENTO PEQUEÑAS EMPRESAS, AÑOS 2006 Y 2009 .................................................... 145


PRODUCTIVIDAD, SEGMENTO PEQUEÑAS EMPRESAS, AÑOS 2006 Y 2009 ................. 145

xix


2006 ..................................................................................................................................................... 146


2009 ..................................................................................................................................................... 147


PEQUEÑAS EMPRESAS, AÑOS 2006 Y 2009 ............................................................................ 148


SEGMENTO PEQUEÑAS EMPRESAS, AÑOS 2006 Y 2009 .................................................... 148


PRODUCTIVIDAD SEGMENTO PEQUEÑAS EMPRESAS, AÑOS 2006 Y 2009 .................. 150

TABLA 59. ZONAS DE RIESGO DE IMPRODUCTIVIDAD PARA EL SECTOR “INDUSTRIAS

MANUFACTURERAS” POR SEGMENTOS, AL AÑO 2009 ....................................................... 155

TABLA 60. RESUMEN DE LOS COEFICIENTES DE LAS ECUACIONES DE LOS INDICADORES

DE QUIEBRA, GRANDES, MEDIANAS Y PEQUEÑAS EMPRESAS, AÑOS 2006 Y 2009 .. 158

TABLA 61. - RESUMEN DE LOS COEFICIENTES DE LAS ECUACIONES DE LOS

INDICADORES DE PRODUCTIVIDAD, GRANDES, MEDIANAS Y PEQUEÑAS EMPRESAS,

AÑOS 2006 Y 2009 ........................................................................................................................... 162

TABLA 62. COMPARACIÓN DE LAS PUNTUACIONES DISCRIMINANTES DE QUIEBRA Y

PRODUCTIVIDAD DEL SEGMENTO “GRANDES EMPRESAS” .............................................. 167

TABLA 63. EMPRESAS DEL SEGMENTO “GRANDES EMPRESAS” CON BPQ Y BPI AL AÑO

2009 ..................................................................................................................................................... 168


PRODUCTIVIDAD DEL SEGMENTO “MEDIANAS EMPRESAS” ............................................. 169

TABLA 65. - EMPRESAS DEL SEGMENTO “MEDIANAS EMPRESAS” CON BPQ Y BPI AL AÑO

2009 ..................................................................................................................................................... 170


PRODUCTIVIDAD DEL SEGMENTO “PEQUEÑAS EMPRESAS” ............................................ 171

TABLA 67. - EMPRESAS DEL SEGMENTO “PEQUEÑAS EMPRESAS” CON BPQ Y APP AL

AÑO 2009 ............................................................................................................................................ 172

xx

LISTA DE ANEXOS

ANEXO 1. DESAGREGACIÓN DEL SECTOR “INDUSTRIAS MANUFACTURERAS” SEGÚN SUS

ACTIVIDADES 185

ANEXO 2 ANÁLISIS DE LAS 1000 EMPRESAS MÁS IMPORTANTES DEL ECUADOR (PERÍODO

2006 – 2009) 189

ANEXO 3. PRUEBAS DE NORMALIDAD DE LOS DATOS ORIGINALES, INDICADOR DE

QUIEBRA 193

ANEXO 4. PRUEBAS DE NORMALIDAD DE LOS DATOS TRANSFORMADOS, INDICADOR DE

QUIEBRA 195

ANEXO 5. PRUEBA DE BOX SOBRE LA IGUALDAD DE LAS MATRICES DE COVARIANZA EN

EL MODELO DE QUIEBRA, AÑOS 2006 Y 2009 197

ANEXO 6. PRUEBAS DE IGUALDAD GLOBAL DE LAS MEDIAS DE LOS GRUPOS, INDICADOR

DE QUIEBRA, AÑOS 2006 Y 2009 198

ANEXO 7. PRUEBAS DE IGUALDAD DE LAS MEDIAS DE LOS GRUPOS, INDICADOR DE

QUIEBRA, AÑOS 2006 Y 2009 198

ANEXO 8. PUNTUACIONES DISCRIMINANTES DEL INDICADOR DE QUIEBRA, GRANDES,

MEDIANAS Y PEQUEÑAS EMPRESAS, AÑOS 2006 Y 2009 202

ANEXO 9. PRUEBAS DE NORMALIDAD DE LAS PUNTUACIONES DISCRIMINANTES DE LOS

INDICADORES DE QUIEBRA, AÑOS 2006 Y 2009 204

ANEXO 10. PRUEBAS DE NORMALIDAD DE LOS DATOS ORIGINALES, INDICADOR DE

PRODUCTIVIDAD, AÑOS 2006 Y 2009 205

ANEXO 11. PRUEBAS DE NORMALIDAD DE LOS DATOS TRANSFORMADOS, INDICADOR DE

PRODUCTIVIDAD, AÑOS 2006 Y 2009 207

ANEXO 12. PRUEBA DE BOX SOBRE LA IGUALDAD DE LAS MATRICES DE COVARIANZA EN

EL INDICADOR DE PRODUCTIVIDAD, AÑOS 2006 Y 2009 209

ANEXO 13. PRUEBAS DE IGUALDAD GLOBAL DE LAS MEDIAS DE LOS GRUPOS, AÑOS 2006

Y 2009, INDICADOR DE PRODUCTIVIDAD 210

ANEXO 14. PRUEBAS DE IGUALDAD GLOBAL DE LAS MEDIAS DE LOS GRUPOS, AÑOS 2006

Y 2009, INDICADOR DE PRODUCTIVIDAD 210

ANEXO 15. PUNTUACIONES DISCRIMINANTES DEL INDICADOR DE PRODUCTIVIDAD,

GRANDES, MEDIANAS Y PEQUEÑAS EMPRESAS, AÑOS 2006 Y 2009 213

ANEXO 16. PRUEBAS DE NORMALIDAD DE LAS PUNTUACIONES DISCRIMINANTES,

INDICADOR DE PRODUCTIVIDAD, AÑOS 2006 Y 2009 215

1

RESUMEN

Este estudio tiene el objetivo de analizar el sector manufacturero de la economía

ecuatoriana a través de varios indicadores financieros y de productividad, y

obtener un indicador de quiebra y un indicador de productividad para las empresas

del mencionado sector.

Las bases de datos son provistas por la Superintendencia de Compañías,

desagregadas al tercer dígito según la normativa CIIU (Clasificación Industrial

Internacional Uniforme) tercera revisión y contienen las cuentas de los balances

de las empresas del sector; se trabaja con bases de información por segmentos

de empresas (grandes, medianas y pequeñas empresas) que tienen información

completa y de al menos cinco años antes del período de estudio, cabe mencionar

que no se hace referencia a las microempresas, dado que la información existente

es muy incompleta y presenta una inmensa cantidad de datos atípicos lo cual hace

inviable la realización de su estudio.

Se utiliza el Análisis Discriminante, propuesto por Altman (1968), quien en sus

trabajos aplicó esta técnica estadística, trabajando con grupos homogéneos y se

calculan los respectivos modelos discriminantes para cada segmento de

empresas; una vez obtenidas las puntuaciones discriminantes se elabora un

“termómetro de solvencia” y un “termómetro de productividad” en base al estudio

de Kanitz y se categorizan a las empresas según su situación con respecto a la

quiebra y a la productividad.

El resultado de este estudio permite identificar la situación financiera y productiva

de las empresas del sector D (Industrias Manufactureras) y sus determinantes,

además se presentan a las empresas con los índices más altos.

Al finalizar este estudio se recomienda mayor exhaustividad en la recolección de

información de los estados financieros de las empresas, pues la falta de

información y su imprecisión restan el potencial de este estudio.

Palabras claves: Insolvencia, Quiebra, Productividad, Indicador Financiero,

Análisis Discriminante, Industrias Manufactureras.

2

ABSTRACT

This study analyzes the manufacturing sector of Ecuadorian economy through

various financial and productivity indicators. Besides it provides an indicator of

bankruptcy and an indicator of productivity for this sector. The databases contain

accounts of balance of companies, and are given by Superintendency of

Companies, the third digit disaggregated according to ISIC (International Standard

Industrial Classification of All Economic Activities, Rev. 3).

This document works with enterprises segment information (large, medium and

small enterprises), companies who have full information and have been created at

least five years before the study period. It should be mentioned that study doesn’t

analyze micro companies because this information is incomplete and has a huge

number of outsiders making an unfeasible study.

Tool used is the Discriminant Analysis proposed by Altman (1968) his work applies

this statistical technique, and work with homogeneous groups. This method

calculated the respective discriminant models for each segment. Once obtained

discriminant scores develops a "solvency thermometer" and “productivity

thermometer" based on the study of Kanitz and companies are categorized

according to their position with respect to bankruptcy and productivity.

The results of this study identify solvency and productive of companies and its

determinants, also are presented companies with the highest rates. After

completing, this study recommends take caution in collecting information from the

financial statements of companies because this would remove the potential of this

study.

Keywords: Insolvency, Bankruptcy, Productivity, Financial Indicator, Discriminant

Analysis, Manufacturing.

3

CAPITULO I

INTRODUCCIÓN Y ANTECEDENTES

1.1 PLANTEAMIENTO DEL PROBLEMA

La falta de herramientas que permitan a las empresas tener alertas sobre posibles

quiebras, y a su vez identificar y mejorar sus niveles de productividad a nivel

sectorial de la economía, constituye un amplio problema para el desarrollo del

crecimiento económico en el Ecuador.

La productividad es sin duda un factor determinante en el crecimiento económico

de un país, pues tiene tanta incidencia en el nivel de vida de la sociedad, y su

mejora conlleva la posibilidad de incrementar sueldos y salarios y de obtener

mayor rentabilidad del capital invertido, y en consecuencia mayor incentivo a la

inversión, lo que implica un crecimiento del empleo y por ende un aporte al

desarrollo de la economía, factores muy importantes y de gran interés para los

responsables de la economía de un país o región.

El aparato productivo de un país, en su mayoría está conformado por empresas,

cada una de ellas de distinta naturaleza, composición y actividad, quienes a través

de la contratación de personas, llevan adelante su actividad económica. La

importancia del aparato productivo de un país radica en su capacidad de

sostenimiento a nivel local y su mínima dependencia externa para satisfacer las

necesidades creadas en la sociedad.

En el Ecuador, las empresas constituyen un eje trascendental en el aporte a la

economía local, pues según el Servicio de Rentas Internas el 93% de las

recaudaciones efectuadas corresponde a las sociedades, teniendo éstas una gran

incidencia en el aporte a la economía ecuatoriana.1

1 SERVICIO DE RENTAS INTERNAS (SRI). Reporte Anual de Gestión 2008

4

En un país como el Ecuador, en vías de desarrollo, el aparato productivo es clave

para el impulso de su economía, es por eso que el sector “Industrias

Manufactureras” tiene una importancia muy grande en el Ecuador; según datos del

Banco Central del Ecuador al año 2009 fue el segundo sector de mayor aporte al

PIB (excluye refinación de petróleo), además este sector a partir de la dolarización

en el año 2000, tiene un creciente valor agregado industrial sobre el PIB, siendo

importante su incidencia en la economía ecuatoriana; asimismo según datos de la

Superintendencia de Compañías, para el año 2009 el sector “Industrias

Manufactureras” contaba con 3402 empresas, siendo el cuarto sector con mayor

número de empresas adscritas a este organismo de control, generando un número

de personal ocupado igual a 259.502 personas, es el segundo sector que más

empleo genera, sólo detrás del sector “Comercio al por mayor y al por menor;

reparación de vehículos automotores, motocicletas, efectos personales y enseres

domésticos”.

No obstante de lo antes notado, según registro de la Superintendencia de

Compañías, el número de empresas en el Ecuador ha tenido una tendencia

positiva, incrementándose el número de éstas de un total de 37135 empresas en

el año 2007 a 40202 empresas en el año 2009, sin embargo, entre el año 2008 y

el año 2009, en el sector “Industrias Manufactureras” se ha reducido el número de

empresas, existían 3476 empresas en el año 2008, , quedando únicamente 3402

empresas en el año 2009.

A través del tiempo el desarrollo e implementación de herramientas que permitan

alertar a las empresas sobre peligros de quiebra se han tornado importantes, es

así que la sostenibilidad y productividad de las empresas son fundamentales para

sostener una economía, allí radica la importancia de contar con este tipo de

herramientas que identifiquen y ayuden en la prevención de quiebras

empresariales y a su vez contar con herramientas que reconozcan el nivel de

productividad empresarial, mejor aún a nivel sectorial, de manera que se pueda

controlar y vislumbrar de mejor manera un sector específico.

5

1.2 OBJETIVOS

1.2.1 OBJETIVO GENERAL

Desarrollar indicadores de quiebra y productividad que permitan evaluar el sector

“INDUSTRIAS MANUFACTURERAS” del Ecuador, de las empresas controladas

por la Superintendencia de Compañías, con la finalidad de prevenir posibles

disoluciones empresariales y generar medidas correctivas que permitan encontrar

mecanismos de ayuda para reactivar la producción y la productividad.

1.2.2 OBJETIVOS ESPECÍFICOS

i. Diagnosticar la situación de las empresas del sector “Industrias

Manufactureras” en el Ecuador durante el período 2006-2009.

ii. Analizar trabajos similares en Latinoamérica para desarrollar el indicador

de quiebra empresarial del sector “Industrias Manufactureras” en el

Ecuador.

iii. Analizar trabajos similares en Latinoamérica para proponer indicadores

de productividad del sector “Industrias Manufactureras” en el Ecuador.

iv. Analizar el comportamiento del sector “Industrias Manufactureras” en el

Ecuador, en base a los indicadores propuestos de quiebra y de

productividad.

v. Realizar comparaciones entre quiebra y productividad para los años

2006 y 2009.

1.3 HIPÓTESIS

i. El crecimiento y la creación de nuevas empresas, y las fusiones

empresariales, en el sector de la Manufactura, han aportado a la

productividad del país.

ii. La formulación y evaluación de un indicador óptimo de quiebra permite

analizar la capacidad de solvencia empresarial del sector Manufacturero del

país.

6

iii. El determinar un índice de productividad en el sector manufacturero

ecuatoriano permite diagnosticar la situación actual de este sector, para

mejorar la toma de decisiones empresariales con el objeto de desarrollar

técnicas productivas que impulsen el desarrollo del sector “Industrias

Manufactureras”.

iv. La mitigación de quiebras empresariales permite ser más productivo al

Sector “Industrias Manufactureras”.

1.4 JUSTIFICACIÓN

1.4.1 JUSTIFICACIÓN TEÓRICA

Estudios en el marco de la quiebra societaria y la productividad son realizados

alrededor del mundo y de Latinoamérica en particular; su importancia radica en la

capacidad de prevenir situaciones adversas para la productividad empresarial;

dichos estudios tienen un gran reconocimiento dentro del mundo financiero; sin

embargo, en el Ecuador estudios y trabajos de este tipo no han sido realizados

con la profundidad requerida para generar impactos, ya sea por la falta de

información necesaria para generar la importancia esperada, o por la

subestimación que se tiene con respecto a estas herramientas en el país.

Este trabajo, desde el punto de vista teórico, tiene por objetivo sentar las bases

metodológicas que permitan a futuros investigadores diseñar indicadores de

quiebra y productividad, acordes a la realidad ecuatoriana; es decir, que

consideren la información financiera disponible y a las circunstancias propias y

coyunturales de la nación, de manera que la generación de respuestas en las

áreas de quiebra y productividad puedan mejorar y ser más acertadas a través del

tiempo, en los diversos sectores de la economía ecuatoriana..

1.4.2 JUSTIFICACIÓN PRÁCTICA

La Constitución de la República del Ecuador en su artículo 319 expresa: “se

reconocen diversas formas de organización de la producción en la economía,

7

entre otras las comunitarias, cooperativas, empresariales públicas o privadas,

asociativas, familiares, domésticas, autónomas y mixtas.

El Estado promoverá las formas de producción que aseguren el buen vivir de la

población y desincentivará aquellas que atenten contra sus derechos o los de la

naturaleza; alentará la producción que satisfaga la demanda interna y garantice

una activa participación del Ecuador en el contexto internacional”.

Además, uno de los objetivos de la política económica en el Ecuador tiene que ver

con la productividad; el artículo 284, literal 2, de la Constitución del Ecuador

establece: “Incentivar la producción nacional, la productividad y competitividad

sistémicas, la acumulación del conocimiento científico y tecnológico, la inserción

estratégica en la economía mundial y las actividades productivas complementarias

en la integración regional.”

Es muy importante el reconocimiento de las empresas como una de las formas de

organización de la producción, puesto que el sector empresarial en general es un

socio clave dentro del campo de la producción de bienes y servicios que aporten al

buen vivir de los ciudadanos de un país, razón por la cual los incentivos

gubernamentales a favor de la producción nacional, la productividad y la

competitividad se tornan estratégicos para que el sector empresarial, de forma

directa o indirecta, ayude a sostener la estabilidad económica del país a través de

la generación de producción, la inversión, las fuentes de trabajo que crean y los

ingresos que generan al Estado por concepto de impuestos societarios.

La necesidad de contar con instrumentos que permitan la prevención de quiebras

empresariales y el monitoreo de la productividad es muy clara en la actualidad,

debido a que la quiebra y la baja productividad de las empresas suponen un

impacto económico y social, que va desde la reducción de empleos hasta la

incapacidad de satisfacer la demanda interna del país, situaciones que sin duda

alguna atentarían en contra de los objetivos estatales referidos a la productividad y

las garantías del buen vivir, por lo cual es importante contar con instrumentos que

8

doten de información adecuada y acertada para la oportuna intervención de las

autoridades.

Es muy importante precisar que este estudio es de carácter académico, y como

tal, sus resultados y conclusiones deben ser apreciados exclusivamente en este

sentido, como una investigación que busca generar un acercamiento al

tratamiento de la quiebra y la productividad empresarial.

1.5 PANORAMA DEL SECTOR “INDUSTRIAS MANUFACTURERAS” DURANTE EL PERÍODO 2006 - 2009

Este apartado tiene por objetivo describir la importancia del sector “Industrias

Manufactureras” y su desempeño societario durante el período 2006 – 2009, en el

país.

1.5.1 SISTEMA DE CUENTAS NACIONALES (SCN)

El Sistema de Cuentas Nacionales (SCN) “consta de un conjunto coherente,

sistemático e integrado de cuentas macroeconómicas, balances y cuadros

basados en un conjunto de conceptos, definiciones, clasificaciones y reglas

contables aceptados internacionalmente. Ofrece un marco contable amplio dentro

del cual pueden elaborarse y presentarse datos económicos en un formato

destinado al análisis económico, a la toma de decisiones y a la formulación de la

política económica; las cuentas en sí mismas presentan, en forma condensada, un

gran volumen de información detallada, organizada de acuerdo con determinados

principios y percepciones acerca del funcionamiento de la economía. Constituyen

un registro completo y pormenorizado de las complejas actividades económicas

que tienen lugar dentro de una economía y de la interacción entre los diferentes

agentes económicos, o grupos de los mismos, que tiene lugar en los mercados o

en otros ámbitos”2

El SCN en sí busca ser un instrumento de registro de acontecimientos producidos

en la vida económica en diferentes ámbitos, tanto para los empleos como para los

2 NACIONES UNIDAS. Sistema de Cuentas Nacionales. 1993

9

recursos, las variaciones y los stocks de activos y de pasivos en un momento

dado, mediante la agrupación de distintas partidas de datos económicos en un

formato destinado al análisis económico, a la toma de decisiones y a la

formulación de la política económica.

Una parte importante dentro del SCN es la Clasificación Industrial Internacional

Uniforme de todas las actividades económicas (CIIU), elaborado por las Naciones

Unidas, la cual recoge la información en determinados momentos del tiempo tanto

de las diversas actividades económicas, así como de los niveles de los activos

productivos de una economía, o también la riqueza de los habitantes de

determinado país.

1.5.1.1 CLASIFICACIÓN INDUSTRIAL INTERNACIONAL UNIFORME DE TODAS LAS ACTIVIDADES ECONÓMICAS (CIIU)

La Clasificación Industrial Internacional Uniforme de todas las actividades

económicas (CIIU), elaborada por la División de Estadística de las Naciones

Unidas, “es la clasificación internacional de referencia de las actividades

económicas productivas. Su principal finalidad es facilitar un conjunto de

categorías de actividad que pueda utilizarse para la elaboración de estadísticas

por actividades.”3

La aprobación de la versión original de la CIIU tuvo lugar en el año 1948, y desde

allí, la mayoría de los países del mundo han utilizado la CIIU o elaborado

clasificaciones nacionales derivadas de ella, en tal virtud, la CIIU ha aportado

orientación a los países para elaborar las clasificaciones nacionales de actividades

y se ha convertido en una herramienta importante para la comparación de datos

estadísticos sobre actividades económicas a escala internacional.

En su treintavo período de sesiones, celebrado en marzo de 2002, la Comisión de

Estadística examinó y acogió con beneplácito el proyecto final de la revisión 3.1 de

3 NACIONES UNIDAS. Clasificación Industrial Internacional Uniforme de todas las actividades económicas

(CIIU), Revisión 3.1. 2005

10

la CIIU, que sustituye ahora a la tercera revisión de la clasificación, que se venía

utilizando desde 1989; la versión 3.1 de la CIUU es la versión a ser utilizada en el

desarrollo del presente estudio, puesto que esta versión corresponde al período de

estudio (2006 – 2009); esta versión de la CIUU contiene desagregadas las

actividades económicas en 17 secciones, las cuales se detallan a continuación en

la tabla 1.

Tabla 1. CIIU rev. 3.1, estructura general

SECCIÓN DESCRIPCIÓN

A Agricultura, ganadería, caza y silvicultura

B Pesca

C Explotación de minas y canteras

D Industrias manufactureras

E Suministro de electricidad, gas y agua

F Construcción

G Comercio al por mayor y al por menor; reparación de vehículos automotores, motocicletas,

efectos personales y enseres domésticos

H Hoteles y restaurantes

I Transporte, almacenamiento y comunicaciones

J Intermediación financiera

K Actividades inmobiliarias, empresariales y de alquiler

L Administración pública y defensa; planes de seguridad social de afiliación obligatoria

M Enseñanza

N Servicios sociales y de salud

O Otras actividades de servicios comunitarios, sociales y personales

P Actividades de hogares privados como empleadores y actividades no diferenciadas de

hogares privados como productores

Q Organizaciones y órganos extraterritoriales

Fuente: Naciones Unidas. CIIU, Revisión 3.1. 2005

Elaboración: Autor

1.5.1.2 SECTOR “D”, INDUSTRIAS MANUFACTURERAS

El CIUU identifica a la industria manufacturera como las actividades de las

unidades dedicadas a la transformación tanto física como química de materiales,

sustancias o componentes en productos nuevos. Los materiales, sustancias o

componentes transformados son materias primas procedentes de la agricultura, la

11

ganadería, la silvicultura, la pesca y la explotación de minas y canteras, así como

de otras actividades manufactureras.

Entre las actividades que incluye este sector podemos encontrar:

• Elaboración de productos alimenticios y bebidas

• Elaboración de productos de tabaco

• Fabricación de productos textiles

• Fabricación de prendas de vestir; adobo y teñido de pieles

• Curtido y adobo de cueros; fabricación de maletas, bolsos de mano,

artículos de talabartería y guarnicionería, y calzado

• Producción de madera y fabricación de productos de madera y corcho,

excepto muebles; fabricación de artículos de paja y materiales trenzables

• Fabricación de papel y de productos de papel

• Actividades de edición e impresión y reproducción de grabaciones

• Fabricación de coque, productos de la refinación del petróleo y combustible

nuclear

• Fabricación de sustancias y productos químicos

• Fabricación de productos de caucho y plástico

• Fabricación de otros productos minerales no metálicos

• Fabricación de metales comunes

• Fabricación de productos elaborados de metal, excepto maquinaria y

equipo

• Fabricación de maquinaria y equipo n.c.p.4

• Fabricación de maquinaria de oficina, contabilidad e informática

• Fabricación de maquinaria y aparatos eléctricos n.c.p.

• Fabricación de equipo y aparatos de radio, televisión y comunicaciones

• Fabricación de instrumentos médicos, ópticos y de precisión y fabricación

de relojes

• Fabricación de vehículos automotores, remolques y semirremolques

• Fabricación de otros tipos de equipos de transporte 4 No clasificados en otra parte (n.c.p.)

12

• Fabricación de muebles; Industrias Manufactureras n.c.p.

• Reciclado

Cabe mencionar que todas y cada una de estas actividades tienen sus respectivas

subdivisiones más específicas.5

Sin embargo, si bien el producto resultante de la actividad productiva de las

Industrias Manufactureras es un producto nuevo, esto puede ser en ocasiones

algo subjetivo, por tanto es preciso conocer que la CIIU clasifica como actividades

de la Industria Manufacturera las siguientes:

• Pasteurizado y embotellado de leche

• Elaboración de productos pesqueros frescos (vaciado de las ostras,

fileteado del pescado) que no se realice a bordo de un buque pesquero

• Actividades de impresión y actividades conexas

• Fabricación de mezclas preparadas para hormigón

• Transformación de cueros

• Conservación de la madera

• Electrochapado, chapado, termotratamiento de metales y pulido

• Maquinaria para reconstruir o volver a fabricar (por ejemplo, motores de vehículos automotores

• Reparación y renovación de buques y embarcaciones

• Recauchutado de cubiertas

1.5.2 EL SECTOR “D”, “INDUSTRIAS MANUFACTURERAS”

ECUATORIANAS Y SU INCIDENCIA EN EL PRODUCTO INTERNO

BRUTO (PIB), PERÍODO 2006 – 2009

En esta investigación se trabaja con la Clasificación Industrial Internacional

Uniforme (CIIU) en su revisión 3.1, sin embargo a lo largo del estudio se

encontrará diferente información proporcionada por entidades como el Banco

Central de Ecuador (BCE) o la Comunidad Andina de Naciones (CAN), 5 Ver anexo 1 (Desagregación del sector “Industrias Manufactureras” según sus actividades)

13

instituciones que en sus bases de datos discriminan la producción manufacturera

de la refinación de petróleo, lo cual no supone un problema al ajustar la

información de acuerdo a la CIIU.

Tabla 2. PIB Total y del sector “Industrias Manufac tureras” (período 2006 – 2009)

CLASE DE ACTIVIDAD ECONÓMICA PIB A PRECIOS DE MERCADO

Millones de dólares corrientes

2006 2007 2008 2009 p/

Manufactura **/ 2,946 3,091 3,341 3,290

Refinación de petróleo 446 431 465 479

Manufactura & Refinación de petróleo 3,392 3,522 3,806 3,769

TOTAL PIB 21,962 22,410 24,032 24,119

**/ Excluye la actividad de refinación de petróleo

p/ Preliminar

Fuente: Comunidad Andina de Naciones (CAN)

Elaboración: Autor

La tabla 2 permite evidenciar el crecimiento que ha tenido el PIB ecuatoriano

durante el período 2006 – 2009, el cual muestra permanentes crecimientos,

registrándose el mayor crecimiento del periodo al año 2008 con más del 7%, en

este punto la manufactura como la refinación de petrolero tienen una tasa de

crecimiento de 8.1% y 7.9% respectivamente, y se presentan grandes variaciones

a la alza en el precio del petróleo, hecho que no aconteció durante el año 2009,

año en el cual el precio del barril del petróleo decayó bruscamente hasta fluctuar

alrededor de los $ 40,00 dólares americanos6, principalmente por la crisis

suscitada alrededor del mundo; sin embargo, cabe destacar que la industria

manufacturera como sector, se mantuvo en crecimiento, como se puede apreciar

en la figura 1, la tendencia del PIB generada por el sector “Industrias

Manufactureras” es muy similar a la tendencia del PIB total, lo que muestra el

impacto que tiene este sector en el PIB total para la economía ecuatoriana; en

6 Según diario “El Universo” en su publicación del 12 de enero del 2009, dice: “El presupuesto estatal para el

2009 fue elaborado con un precio estimado de 85 dólares por cada barril, pero debido al desplome de ese producto en el último trimestre del 2008, las autoridades se vieron obligadas a cambiar a una cifra de 44 dólares. El precio promedio del crudo ecuatoriano en el 2008 llegó a 84 dólares por cada barril.”

14

donde excluyendo o no la refinación petrolera, no deja de ser un sector

estratégico.

Según datos del INEC la producción total del sector “Industrias Manufactureras”

alcanzó los US $23.158’107.502, siendo el tope máximo para el período 2006 –

2009; cabe destacar que según información del Banco Central del Ecuador,

durante el año 2008 los sectores que más contribuyeron con valor agregado a la

producción fueron los relacionados con la producción, procesamiento y

conservación de camarón, pescado, carne y productos cárnicos (1.155 millones de

dólares de 2000), fabricación de productos textiles, prendas de vestir, fabricación

de cuero y artículos de cuero (452 millones de dólares de 2000), elaboración de

otros productos alimenticios diversos (350 millones de dólares de 2000) y

producción de madera y fabricación de productos de madera (338 millones de

dólares de 2000); los cuales representan el 68,70% del PIB industrial

Manufacturero.

Figura 1. PIB Total y del sector “Industrias Manufa ctureras” (período 2006 – 2009) / A millones de dólares del 2000


Elaboración: Autor

De igual manera, en la tabla 3 se puede observar la tasa anual de crecimiento del

PIB, tanto total como desagregado en manufactura y refinación de petróleo.

20.500

21.000

21.500

22.000

22.500

23.000

23.500

24.000

24.500

0

500

1.000

1.500

2.000

2.500

3.000

3.500

4.000

4.500

2006 2007 2008 2009 p/

Manufactura **/ Refinación de petróleoManufactura & Refinación de petróleo TOTAL PIB Anual (Eje der.)

15

Tabla 3. PIB a precios constantes (Millones de dóla res del 2000) / Tasa anual de crecimiento

CLASE DE ACTIVIDAD ECONÓMICA

PIB A PRECIOS CONSTANTES

Millones de dólares del 2000

Tasa Anual de Crecimiento

2006 2007 2008 2009 p/

Manufactura **/ 7.1 4.9 8.1 -1.5

Refinación de petróleo -0.3 -3.4 7.9 3.1

Manufactura & Refinación de petróleo 6.7 1.5 16.0 1.5

TOTAL PIB 4.8 2.0 7.2 0.4

**/ Excluye la actividad de refinación de petróleo

p/ Preliminar


Elaboración: Autor

La incidencia del precio del petróleo se evidencia en la tasa anual de crecimiento

del PIB, el alto precio del petróleo para el 2008 generó un alto incremento en más

de 16 puntos porcentuales en la Manufactura y Refinación del Petróleo, situación

muy distinta se presentó en el año 2009 donde su crecimiento solo tuvo una tasa

anual de 1.5%. El comportamiento descrito anteriormente se muestra en la figura

2, donde se denota el gran pico que alcanza la tasa anual de crecimiento del PIB

en el año 2008, tanto a nivel total del PIB total como a nivel desagregado.

16

Figura 2. PIB a precios constantes (Millones de dól ares del 2000) / Tasa anual de crecimiento


Elaboración: Autor

1.5.3 EL SECTOR “D”, “INDUSTRIAS MANUFACTURERAS” DE L

ECUADOR Y EL PERSONAL OCUPADO, PERÍODO 2006 – 2009

El análisis del empleo en una economía siempre será relevante para poder

conocer cuáles son los sectores que en forma estratégica influyen en la

producción y generación de ingresos. En la tabla 4 se puede observar el número

de personal ocupado por actividad económica durante el período 2006 – 2009.

-5,0

0,0

5,0

10,0

15,0

20,0

2006 2007 2008 2009 p/

Manufactura **/ Refinación de petróleo

Manufactura & Refinación de petróleo TOTAL PIB

17

Tabla 4. Personal ocupado según actividad económica (Período 2006 – 2009)

CIUU ACTIVIDAD ECONÓMICA CIIU 3 2006 2007 2008 2009

A AGRICULTURA, GANADERIA, CAZA Y SILVICULTURA 46817 37323 59176 208935

B PESCA. 5554 4294 10733 41280

C EXPLOTACION DE MINAS Y CANTERAS. 5151 4610 8364 8163

D INDUSTRIAS MANUFACTURERAS. 105962 101720 117591 259502

E SUMINISTROS DE ELECTRICIDAD, GAS Y AGUA. 5026 5471 7608 6933

F CONSTRUCCION. 18477 19226 24762 43786

G

COMERCIO AL POR MAYOR Y AL POR MENOR; REPARACION DE

VEHICULOS AUTOMOTORES, MOTOCICLETAS, EFECTOS

PERSONALES Y ENSERES DOMESTICOS.

106003 107378 121276 317780

H HOTELES Y RESTAURANTES 13050 7578 11716 79209

I TRANSPORTE, ALMACENAMIENTO Y COMUNICACIONES. 29918 26063 33454 99623

J INTERMEDIACION FINANCIERA. 3072 1017 1906 1878

K ACTIVIDADES INMOBILIARIAS, EMPRESARIALES Y DE ALQUILER. 134272 101463 99772 251638

L ADMINISTRACION PÚBLICA Y DEFENSA; PLANES DE SEGURIDAD

SOCIAL DE AFILIACION OBLIGATORIA. 79 54 11 205

M ENSEÑANZA. 7214 11258 6979 6568

N ACTIVIDADES DE SERVICIOS SOCIALES Y DE SALUD. 5908 7301 6575 8256

O OTRAS ACTIVIDADES COMUNITARIAS SOCIALES Y PERSONALES

DE TIPO SERVICIOS. 4893 4430 8614 9581

HOGARES PRIVADOS CON SERVICIO DOMESTICO. 11 14 20 21

TOTAL 491407 439200 518557 1343358

Fuente: Superintendencia de Compañías

Elaboración: Autor

En la tabla 4 se observa cuáles son las actividades económicas que cuentan con

mayor número de personal ocupado, destacándose el “Comercio al por mayor y al

por menor; reparación de vehículos automotores, motocicletas, efectos personales

y enseres domésticos” (Sector G), “Industrias Manufactureras” (Sector D) y

“Actividades inmobiliarias, empresariales y de alquiler” (Sector K); así mismo, se

puede observar las actividades económicas que cuentan con menor número de

personal ocupado, siendo los sectores de “Hogares privados con servicio

doméstico” (Sector P) y “Administración pública y defensa; planes de seguridad

social de afiliación obligatoria” (Sector L).

18

Figura 3. Personal ocupado según actividad económic a (período 2006 – 2009)


Elaboración: Autor

La figura 3 permite evidenciar el comportamiento del personal ocupado de las tres

actividades económicas más representativas en cuanto al número de personal

ocupado, durante el período 2006 – 2009, las cuales tienen las mismas

características del análisis anterior, sin embargo hay detalles muy claros, por

ejemplo, al año 2006 el sector “actividades inmobiliarias, empresariales y de

alquiler” fue el sector que contaba con el mayor número de personal ocupado, sin

embargo a partir del 2007 se mantuvo como el tercer sector más importante hasta

el año 2009; en un mismo sentido, el sector “Industrias Manufactureras”, a

diferencia del anterior sector en este período mostró un incremento, se observa

que en el año 2006 fue el tercer sector en importancia, y a partir del año 2007

hasta el 2009 se mantiene como el segundo sector en importancia en cuanto a la

cantidad de personal ocupado, llegando a tener en el año 2009 un personal

ocupado igual a 259.502 personas; esto debido en gran parte a los altos precios

de las materias primas y la mayor disponibilidad de capital extranjero que

beneficiaron mucho a este sector para incrementar su producción y así generar

empleo.

0

50000

100000

150000

200000

250000

300000

350000

2006 2007 2008 2009

COMERCIO AL POR MAYOR Y AL POR MENOR... INDUSTRIAS MANUFACTURERAS.

ACTIVIDADES INMOBILIARIAS, EMPRESARIALES Y DE ALQUILER.

19

Conocer cómo y en qué áreas se concentra el personal ocupado del sector

“Industrias Manufactureras” también es de interés para comprender mejor la

estructura laboral del mencionado sector, en la tabla 5 es posible evidenciar como

ha venido progresando este sector en su distribución laboral durante el período

2006 – 2009.

Tabla 5. Personal ocupado del Sector “Industrias Ma nufactureras” (período 2006 – 2009)

AÑO Personal

Ocupado

PERSONAL OCUPADO

Empleados

Directivos

Empleados

Administrativos

Empleados

Producción

Empleados

Otros

( N° ) ( % ) ( N° ) ( % ) ( N° ) ( % ) ( N° ) ( % )

2006 105962 2884 2.72% 18990 17.92% 54135 51.09% 29953 28.27%

2007 101720 11852 11.65% 16693 16.41% 51477 50.61% 21698 21.33%

2008 117591 3252 2.77% 22773 19.37% 79112 67.28% 12454 10.59%

2009 259502 7786 3.00% 120488 46.43% 101103 38.96% 30125 11.61%


Elaboración: Autor

En general, el sector “Industrias Manufactureras” se ha caracterizado por la

concentración de personal en el área de empleados para la producción con el 51%

del total en el 2006 y llegando hasta el 67.28% en el año 2008, donde tuvo su

mayor repunte, sin embargo, como se evidenció antes, si bien el número de

personal ocupado creció durante el 2009, la distribución laboral sufrió un cambio

drástico, pues en este año la concentración de empleados para la producción fue

de tan solo el 38.96%, para dar paso a que la concentración de empleados

administrativos sea la relevante, con el 46,43% de personal ocupado en esta área;

sin embargo, al observar la cantidad de personal ocupado, se evidencia que en el

año 2009 el número de empleados para la producción se incrementó, pero no al

ritmo que creció el número de empleados administrativos, el cual prácticamente

quintuplicó su número del 2008 (22.773 empleados) al 2009 (120.488 empleados).

Esto podría deberse a que se realizó mayor inversión en equipos y maquinarias

que remplazaron de alguna manera a la mano de obra de producción, y también a

20

que las empresas en el sector manufacturero se diversificaron a otras ramas

económicas, como de distribución y comercialización en donde se vio la necesidad

de contar con más personal administrativo. Precisamente la figura 4 permite tener

una mejor noción del cambio de la distribución de empleados que ha sufrido el

sector “Industrias Manufactureras” entre el año 2008 y el año 2009.

Figura 4. Concentración del personal ocupado años 2 008 y 2009


Elaboración: Autor

21

1.5.4 ANÁLISIS DE LA EVOLUCIÓN DEL NÚMERO DE EMPRES AS

DURANTE EL PERÍODO 2006 – 20097.

La figura 5 ayuda a visualizar de mejor manera el comportamiento general en

cuanto al número de empresas durante el período 2006 – 20098.

Figura 5. Número total de empresas (período 2006 – 2009)


Elaboración: Autor

Salvo la pequeña disminución de empresas en el año 2007, debido principalmente

al escaso número de constituciones en este año, a nivel general se observa que el

número de empresas mantiene un constante crecimiento, teniendo un aumento de

aproximadamente 3000 empresas desde el 2006 hasta el 2009; ahora es

importante también a nivel sectorial observar el comportamiento que tiene el

número de empresas, tanto de las empresas más importantes (en cuanto a su

número de empresas) como del sector “Industrias Manufactureras”, el cual es el

centro de estudio en esta investigación; todo esto se evidencia en la figura 6.

7 En el Anexo 2 se detalla un análisis adicional sobre las 1000 empresas más importantes del Ecuador

durante el período 2006 – 2009. 8 Para ampliar información sobre la composición del número de empresas en el Ecuador durante el período

2006 – 2009, se sugiere revisar el Anexo 2.

37434

37135

38425

40202

35500

36000

36500

37000

37500

38000

38500

39000

39500

40000

40500

2006 2007 2008 2009

Número total de Compañías

22

Figura 6. . Número de empresas en determinados sect ores de importancia


Elaboración: Autor

Como se pudo observar antes en la parte de generación de PIB, el sector

“Industrias Manufactureras” es muy importante en este sentido, por tal motivo es

muy relevante poder contar con herramientas que permitan conocer tanto su nivel

de productividad como su capacidad ante una eventual crisis que pueda suponer

la quiebra o la reducción de fuerza de sus empresas.

Este análisis hace constatar una vez más la constante que tiene el sector

“Industrias Manufactureras” en cada uno de los estudios que se ha venido

presentando, donde siempre es relevante su presencia frente al resto de sectores

de actividad económica, por todo esto se ve la necesidad de trabajar con este

sector para promover su producción y prevenir la posibilidad de desplome.

1032410383

10864 11788

3501 3413 3476 3402

12466 11824 12024 11683

0

2000

4000

6000

8000

10000

12000

14000

2006 2007 2008 2009

Nº Compañías "Comercio…" Nº Compañías "Industria Manufacturera

Nº Compañías "Actividades Inmobiliarias…"

23

1.5.5 COMPOSICIÓN DEL SECTOR “D”, INDUSTRIAS

MANUFACTURERAS EN CUANTO A SUS SEGMENTOS Y

SITUACIÓN LEGAL DURANTE EL PERÍODO 2006 – 2009

En el Ecuador de acuerdo a la R. O. No. 335 del martes, 07 de Diciembre de 2010,

emitida por la Superintendencia de Compañías, las empresas pueden estar

clasificadas de acuerdo a la tabla 6:

Tabla 6. Clasificación de las PYMES, Normativa de l a Comunidad Andina de Naciones, Resolución 1260

Microempresa Pequeña Empresa Mediana Empresa

Grandes

Empresas

Personal

Ocupado De 1 a 9 De 10 a 49 De 50 a 199 ≥ 200

Valor Bruto de

Ventas Anuales ≤ 100.000 100.001 - 1.000.000 1.000.001 - 5.000.000 > 5.000.000

Monto Activos Hasta US

$100.000

De US $100.001 hasta US

$750.000

De US $750.001 hasta

3.999.999 ≥ US $4.000.000


Elaboración: Autor

De acuerdo a la mencionada normativa, según la base de datos emitida por la

Superintendencia de Compañías para la realización de este estudio, la tabla 7

recoge la información de las empresas pertenecientes al sector “Industrias

Manufactureras”, cabe recalcar que en esta base únicamente están las empresas

con información completa y las que no son consideradas “empresas de papel”9,

además cabe mencionar que para realizar la clasificación a partir de la tabla 7, se

consideró tres criterios: el primero es que cumplan las tres condiciones para ser

grande o mediana o pequeña o microempresa; sino, el segundo criterio fue que

cumplan dos de tres de los requerimientos para ser denominada en alguno de los

cuatro segmentos; y sino, entonces el tercer criterio fue priorizar el monto de

activos sobre el valor bruto de ventas anuales, y a éste último se lo priorizó sobre

9Entiéndase por “empresas de papel”, aquellas compañías que solamente han sido constituidas con el

requisito mínimo de constitución y no han realizado movimientos en sus balances a través del tiempo.

24

el personal ocupado, así al cumplir un criterio en este orden de prioridad se

clasificó a las empresas en los diferentes segmentos.

Tabla 7. Segmento y situación legal de las empresas del sector “Industrias Manufactureras” (período 2006 – 2009)

SEGMENTO - SIT. LEGAL / AÑO 2006 2007 2008 2009

GRANDES 347 378 312 292

ACTIVA 346 377 310 291

DISUELTA Y/O LIQUIDADA 1 1 2 1

INACTIVA 0 0 0 0

CANCELADA 0 0 0 0

MEDIANAS 519 549 457 430

ACTIVA 515 543 454 425


INACTIVA 2 2 0 0

CANCELADA 0 0 0 0

PEQUEÑAS 909 936 858 743

ACTIVA 892 918 840 725


INACTIVA 9 9 7 0

CANCELADA 0 0 0 3

MICROEMPRESAS 603 515 751 657

ACTIVA 553 472 699 601


INACTIVA 13 16 19 0

CANCELADA 3 2 2 1

CANCELADO EL PERMISO DE

OPERACIÓN 0 0 1 1

NO DEFINIDO 0 0 0 1

ACTIVA 0 0 0 1

TOTAL 2378 2378 2378 2123

Fuente: Superintendencia de Compañías (Base de datos)

Elaboración: Autor

La tabla 7 muestra la composición societaria del sector “Industrias

Manufactureras”, dividida entre grandes, medianas, pequeñas y microempresas,

además del número de empresas correspondientes a las diferentes situaciones

legales, a saber, activa, inactiva, disuelta y/o liquidada, cancelada, y cancelado el

25

permiso de operación; esta información permite evidenciar que aún sin las

denominadas “empresas de papel” se mantiene la tendencia decreciente en el

número de empresas constituyentes del sector “Industrias Manufactureras”,

situación que se evidenció anteriormente.

Sin embargo, en este punto lo importante es analizar la variación porcentual que

han tenido las empresas que han pasado a un estado de “disuelta y/o liquidada”,

esto porque es una forma de conocer como se han comportado las empresas en

el tiempo.

Figura 7. Concentración de empresas disueltas y/o l iquidadas del sector “Industrias Manufactureras” (período 2006 – 2009)

Fuente: Superintendencia de Compañías (Base de datos)

Elaboración: Autor

La figura 7 muestra el porcentaje de empresas que pertenecen a la situación legal

“disuelta y/o liquidada” según el correspondiente segmento de empresas, durante

el período 2006 – 2009, aquí se evidencia que salvo las grandes empresas, el

resto de empresas presenta un alza en el porcentaje de empresas que son

“disueltas o liquidadas” para el año 2009; así las microempresas son el segmento

de empresas que presentan un mayor porcentaje de empresas en esta situación

legal, con el 8,22% de empresas, lo cual es alto, considerando que lo que se

0,29% 0,26% 0,64% 0,34%0,39%0,73% 0,66% 1,16%

0,88% 0,96%1,28% 2,02%

5,64%

4,85%

3,99%

8,22%

0,00%

1,00%

2,00%

3,00%

4,00%

5,00%

6,00%

7,00%

8,00%

9,00%

2006 2007 2008 2009

Grandes: Disuelta y/o liquidada Medianas: Disuelta y/o liquidada

Pequeñas: Disuelta y/o liquidada Microempresas: Disuelta y/o liquidada

26

busca es tener empresas sanas y que lejos de ser disueltas, liquidadas,

canceladas o entrar en inactividad, el que estén activas es el móvil que supone

una reactivación de la economía a través de producción, generación de empleo y

de nuevas empresas.

El sector “Industrias Manufactureras” es un gran generador de valor agregado en

el PIB ecuatoriano, es el segundo sector que mayor cantidad de empleados tiene

laborando en sus empresas, siempre es relevante su presencia frente al resto de

sectores de actividad económica, ubicándose por lo general en el podio de las

diversas comparaciones económicas y de composición interna del sector, sin

embargo, se mantiene una tendencia decreciente del número de empresas

constituyentes y salvo el segmento de grandes empresas, el resto de segmentos

presenta un alza en el porcentaje de empresas que son “disueltas o liquidadas”,

por todo esto se ve la necesidad de trabajar a favor de este sector para promover

su producción y prevenir cualquier tipo de desequilibrio financiero.

27

CAPITULO II

INDICADOR DE QUIEBRA PARA LA PREVENCIÓN DE INSOLVENCIAS EMPRESARIALES DEL SECTOR “D”, “INDUSTRIAS MANUFACTURERAS” EN EL ECUADOR.

2.1 MARCO TEÓRICO

Según el Instructivo Societario10 de la Superintendencia de Compañías, “las

compañías mercantiles de responsabilidad limitada, anónimas, de economía mixta

y en comandita dividida por acciones, en lo que concierne a los trámites de

inactividad, disolución, reactivación, liquidación y cancelación deben someterse a

lo dispuesto en la Sección XII de la Ley de Compañías, es decir, a lo prescrito en

los artículos 359 al 405 y del 411 al 414 de dicho cuerpo legal, así como al

Reglamento sobre Inactividad, Disolución, Liquidación, Reactivación y

Cancelación de Compañías Anónimas, de Economía Mixta, en Comandita por

Acciones y de Responsabilidad Limitada, emitido mediante Resolución No.

91.1.03.006 de 18 de junio de 1991, publicada en el R.O. 715 de 28 de los mismos

mes y año y a la Resolución No. 05.Q.IJ.001 de 25 de julio del 2005, publicada en

el Registro Oficial No. 77 de 8 de agosto del mismo año, que permite un proceso

de liquidación sumario”, es así que las empresas en el Ecuador se debe regir tanto

a la Ley de Compañías como al Reglamento sobre Inactividad para tratar los

diferentes procesos que enmarcan la inactividad societaria.

2.1.1 DEFINICIONES BÁSICAS

Es necesario contar con proposiciones precisas que permitan la comprensión clara

y concisa de los diferentes términos financieros que serán utilizados en el

desarrollo de esta investigación, de manera que el entendimiento del tema

referente a la quiebra y la insolvencia empresarial sea mucho más amplio.

10 Tomado de la página web de la Superintendencia de Compañías del Ecuador. www.supercias.gob.ec

28

2.1.1.1 INACTIVIDAD

La Inactividad está contemplada en el Art. 359 de la Ley de Compañías11; en este

estado se sitúa a las empresas que no han presentado a la Superintendencia de

Compañías sus estados financieros durante dos años consecutivos, según lo

dispuesto en el Art. 20 de la Ley de Compañías.

2.1.1.2 DISOLUCIÓN

Las causales de disolución empresarial están contempladas en el Art. 360 y 361

de la Ley de Compañías.

De acuerdo al Art. 360 de la Ley de Compañías,

a) Existe disolución por Inactividad.

De acuerdo al Art. 361 de la Ley de Compañías, existe Disolución:

b) Por el no cumplimiento del objeto social para el cual se constituyó.

Aproximadamente el 47% de las empresas disueltas se ubican en este

rubro.

c) Voluntarias. Constituyen el 10% de las empresas disueltas.

d) Por infracciones a la Ley de Compañías, en los numerales 11, 12 y 13 del

artículo 361

e) Por pérdidas del total de las reservas y del 50% o más del capital de la

empresa y,

f) Cuando las compañías se encuentran inmersas en las causales 1, 2, 3 y 8

del Art. 361 de la Ley de Compañías12.

2.1.1.3 LIQUIDACIÓN

Disuelta la compañía se pondrá en liquidación; el proceso de liquidación de una

compañía se inicia con la inscripción de los instrumentos que siguen:

a) De la resolución que ordena la liquidación;

11

Ley de Compañías , Art. 359, Registro Oficial 312, 5 de noviembre de 1999 12 Estudio de Morbi-Mortalidad de la empresas, período 1988 – 2008 (Junio)

29

b) De la resolución que declara la disolución y ordena la liquidación, cuando

es dictada por la Superintendencia de Compañías; y,

c) De la escritura de disolución y liquidación voluntaria y la respectiva

resolución aprobatoria13.

2.1.1.4 CANCELACIÓN

La resolución de cancelación es dictada una vez cumplido por completo el proceso

de liquidación o habiéndose solicitado la cancelación con base en el Art. 505 de la

Ley de Compañías; esto se produce una vez inscrita en el Registro Mercantil la

mencionada liquidación14

2.1.1.5 SOLVENCIA

Se entiende por solvencia a la capacidad de la que goza una empresa para

atender el pago de sus obligaciones contraídas a largo plazo; la solvencia es un

concepto estrechamente relacionado con la liquidez pero en diferente plazo

temporal15.

En general, al hablar de solvencia se está tratando de la situación de riesgo

permanente; las mejores herramientas para medir la solvencia son las que se

basan en las proyecciones del futuro financiero previsible de la empresa, así,

serán menos fiables cuanto mayor sea el plazo temporal que se tome en cuenta,

por una simple razón de probabilidad general de que este futuro se cumpla.

Sobre esta capacidad para soportar cargas financieras futuras es necesario tener

en cuenta que existen aspectos importantes que las condicionan:

• A mayor proporción de deuda, más altas serán las cargas fijas de gastos

financieros.

• El posible desequilibrio entre el Activo y el Pasivo, frecuentemente origina

problemas de solvencia. 13

Ley de Compañías, Art. 377, Registro Oficial 312, % de noviembre de 1999 14

Estudio de Morbi-Mortalidad de la empresas, período 1988 – 2008 (Junio) 15

La liquidez es la capacidad que tiene una empresa para atender el pago de sus obligaciones de pago a corto plazo.

30

• La naturaleza de los fondos de financiación general de la empresa, ya que

no es de idéntica seguridad, estos activos por ser más líquidos que otros

que lo son menos16.

2.1.1.6 INSOLVENCIA

Es la imposibilidad en que se encuentra el deudor de pagar sus deudas.

Insolvente es el que no tiene con qué pagar, dicho con lenguaje más jurídico,

insolvente, es el que carece de bienes que puedan responder del cumplimiento de

sus obligaciones, si el cumplimiento de sus obligaciones responde el deudor con

todos sus bienes presentes y futuros.

La insolvencia puede ser provisional o definitiva, sin embargo, en la realidad sólo

es propia insolvencia la definitiva, caracterizada por la falta absoluta de patrimonio

o por ser el pasivo superior que el activo. En este sentido, insolvencia es el estado

en que se encuentra una persona o empresa, cuando el conjunto de todos sus

bienes no permiten, valorados normalmente, solventar sus deudas.

Ya desde los romanos se tuvo una noción de la concepción del asunto, en efecto

que la Ley de las XII Tablas permitía a los acreedores por medio de una “manus

injectio” apoderarse del deudor para reducirlo a la esclavitud17.

En estricto rigor, y vale recalcarlo, por lo menos técnicamente la insolvencia no es

lo mismo que la quiebra o bancarrota, aunque en ocasiones se les utilice como

sinónimos. La primera es una condición de la entidad, en cuanto a su inhabilidad

para poder pagar sus deudas, mientras que el segundo concepto corresponde a

una decisión de una corte, lo que resulta en acciones legales (dependiendo claro

de cada legislación, pero es importante aclarar los conceptos)18.

16

PASCUAL, Martín. Tres conceptos financieros: liquidez, solvencia y rentabilidad. http://webs.ono.com/martinpascual 17

http://www.derechoecuador.com. Revista Judicial. Publicación del 2 de abril de 2008. 18 http://www.misrespuestas.com/que-es-la-insolvencia.html

31

2.1.1.7 QUIEBRA

Estado jurídico en que incurre el comerciante que, con un pasivo superior al

activo, debe hacer frente al pago de sus obligaciones. En el caso que un deudor

no puede hacer frente a sus obligaciones por ser insuficiente su patrimonio para el

pago completo de las mismas, se procede a un procedimiento judicial de ejecución

general, con la finalidad de realizar un examen de la situación determinada y al

reconocimiento del pago de los créditos, según la graduación y disposiciones de la

ley. Se trata de un juicio universal para liquidar y calificar la situación del

comerciante quebrado. Cuando un comerciante ve llegar esta situación debe

presentar una petición de quiebra ante la autoridad judicial y exponer por completo

el problema. Si la declaración no se presenta voluntariamente por el afectado

pueden solicitarla los acreedores, justificando para ello la insolvencia por haber

quedado impagados sus créditos. En ocasiones se llegan a establecer acuerdos

entre el deudor y los acreedores, en el caso que el deudor no está en un caso de

deuda fraudulenta. En otros casos, para evitar la situación de quiebra los

comerciantes pueden presentar la suspensión de pagos, con la finalidad de

declararse insolvente provisional, pero con posibilidad de hacer frente a sus

obligaciones principales. Actualmente se admite de forma definitiva, por lo que en

realidad es una quiebra revestida de otra denominación. Con esto se evitan los

complejos trámites de una quiebra19.

La quiebra empresarial es una situación en la cual una organización empresarial

tiene más pasivos que activos y ya no es capaz de cumplir sus obligaciones

financieras. La quiebra de negocios puede proporcionar alivio a los propietarios de

negocios, sin embargo, la última opción que debe tomarse en una empresa, es

declararse en quiebra, ya que después de iniciar su proceso de liquidación es

también el inicio de la muerte legal de la empresa20.

19

Enciclopedia Estudiantil. Edición 1999. G.F. Printing. Madrid, España, página 915. 20 http://www.buenastareas.com/ensayos/Quiebras/1241208.html

32

2.2 INDICADORES FINANCIEROS

El análisis financiero es el estudio efectuado a los estados contables de un ente

económico con el propósito de evaluar el desempeño financiero y operacional del

mismo, así como para contribuir a la acertada toma de decisiones por parte de los

administradores, inversionistas, acreedores y demás terceros interesados en el

ente. Esta es la forma más común de análisis financiero y representa la relación

entre dos cuentas o rubros de los estados contables con el objeto de conocer

aspectos particulares de una empresa como la liquidez, rotación, solvencia,

rentabilidad y endeudamiento del ente evaluado21.

Ahora bien, para precisar mejor, un indicador financiero (o ratio financiero) es una

estadística sobre la economía; los indicadores financieros permiten el análisis de

los resultados económicos y las predicciones de resultados futuros22; aunque su

aplicación y su provecho dependen mucho de la veracidad de la información

disponible y de la capacidad del analista financiero.

En Ecuador el ente regulador de las empresas es la Superintendencia de

Compañías, quien en su portal web23 publica una tabla de veinte indicadores

financieros que sirven para el control y monitoreo de las empresas inscritas en el

país; la construcción de estos indicadores será la base para el desarrollo del

indicador de quiebra del sector “Industrias Manufactureras”, la siguiente tabla

muestra los ratios mencionados.

21

http://www.asesorescorporativos.net/ 22

http://www.enciclopediafinanciera.com 23 El portal web oficial de la Superintendencia de Compañías es www.supercias.gob.ec

33

Tabla 8. Indicadores Financieros

FACTOR INDICADORES TÉCNICOS FÓRMULA

I. LIQUIDEZ

1. Liquidez Corriente Activo Corriente / Pasivo Corriente

2. Prueba Ácida Activo Corriente - Inventarios / Pasivo

Corriente

II. SOLVENCIA

1. Endeudamiento del Activo Pasivo Total / Activo Total

2. Endeudamiento Patrimonial Pasivo Total / Patrimonio

3. Endeudamiento del Activo Fijo Patrimonio / Activo Fijo Neto

4. Apalancamiento Activo Total / Patrimonio

5. Apalancamiento Financiero (UAI / Patrimonio) / (UAII / Activos

Totales)

III. GESTION

1. Rotación de Cartera Ventas / Cuentas por Cobrar

2. Rotación de Activo Fijo Ventas / Activo Fijo

3. Rotación de Ventas Ventas / Activo Total

4. Período Medio de Cobranza (Cuentas por Cobrar * 365) / Ventas

5. Período Medio de Pago (Cuentas y Documentos por Pagar *365)

/ Compras

6. Impacto Gastos Administración y Ventas Gastos Administrativos y de Ventas /

Ventas

7. Impacto de la Carga Financiera Gastos Financieros / Ventas

IV. RENTABILIDAD

1. Rentabilidad Neta del Activo (Du Pont) (Utilidad Neta / Ventas) * (Ventas /

Activo Total)

2. Margen Bruto Ventas Netas – Costo de Ventas / Ventas

3. Margen Operacional Utilidad Operacional / Ventas

4. Rentabilidad Neta de Ventas (Margen

Neto) Utilidad Neta / Ventas

5. Rentabilidad Operacional del Patrimonio (Utilidad Operacional / Patrimonio)

6. Rentabilidad Financiera

(Ventas / Activo) * (UAII / Ventas) *

(Activo / Patrimonio) * (UAI / UAII) * (UN

/ UAI)

UAI: Utilidad antes de Impuestos

UAII: Utilidad antes de Impuestos e Intereses

Utilidad Neta: Después del 15% de trabajadores e impuesto a la renta

UO: Utilidad Operacional (Ingresos operacionales - costo de ventas - gastos de administración y ventas)


Elaboración: Autor

34

2.2.1 INDICADORES DE LIQUIDEZ EN EL SECTOR “D”, “IN DUSTRIAS

MANUFACTURERAS”

Estos indicadores tienen por objeto medir la capacidad que tienen las empresas

para cancelar sus obligaciones de corto plazo, son utilizados para establecer la

facilidad o dificultad que presenta una empresa para pagar sus pasivos corrientes

al convertir a efectivo sus activos corrientes, es decir su capacidad de liquidez.

Cuanto más elevado es un indicador de liquidez, mayor es la posibilidad de que la

empresa consiga cancelar las deudas a corto plazo. En este grupo de indicadores

se encuentran la “Liquidez Corriente” y la “Prueba Ácida”; la principal diferencia

entre ambos es que el segundo es un indicador más riguroso puesto que procura

dar a conocer la capacidad de la empresa para cancelar sus obligaciones

corrientes (al igual que la liquidez corriente) pero sin depender de la venta de sus

existencias, es decir, de sus inventarios.

Figura 8. Indicadores de liquidez en el Sector “D”, “Industrias Manufactureras”


Elaboración: Autor

En la figura 8 se puede observar claramente que para el sector “Industrias

Manufactureras”, los dos índices de liquidez poseen una tendencia muy similar, en

donde se puede prestar atención que en general el sector posee una muy buena

3,67

2,96 3,04

2,47

2,64

2,192,35

1,75

0,00

0,50

1,00

1,50

2,00

2,50

3,00

3,50

4,00

2006 2007 2008 2009

Liquidez Corriente Prueba Ácida

35

magnitud de liquidez durante el período de estudio24, en otras palabras, sus

empresas tienen alta capacidad para hacer frente a sus deudas de corto plazo, sin

embargo, cuando alguno de los índices de liquidez son muy elevados, puede

existir la posibilidad de que haya un inadecuado manejo de los activos corrientes,

es decir, existencia de excesos de liquidez que suelen ser muy poco productivos.

2.2.2 INDICADORES DE SOLVENCIA EN EL SECTOR “D”,

“INDUSTRIAS MANUFACTURERAS”

Estos indicadores sirven para medir el grado en el cual participan los acreedores

dentro del financiamiento de una empresa y la forma en la que lo están haciendo,

en otras palabras, sirven para determinar la capacidad de endeudamiento

empresarial; con estos indicadores el objetivo es establecer el riesgo que corren

los acreedores y los dueños de la empresa, además de la conveniencia o no del

endeudamiento en estudio; los indicadores de solvencia son : “Endeudamiento del

Activo”, “Endeudamiento Patrimonial”, “Endeudamiento del Activo Fijo”, mostrados

en la figura 11, y “Apalancamiento” y “Apalancamiento Financiero” mostrados en la

figura 9.

24

Se dice que en general una empresa tiene buena liquidez si sus índices de liquidez se acercan a 1 o mejor aún, son mayores a 1.

36

Figura 9. Indicadores de solvencia en el Sector “D” , “Industrias Manufactureras” (“Endeudamiento del Activo”, “Endeudamiento Patrimo nial”, “Endeudamiento del Activo Fijo”)


Elaboración: Autor

La figura 9 representa claramente el comportamiento que ha mantenido la

industria manufacturera durante el período de estudio con respecto a los ratios

“Endeudamiento del Activo”, “Endeudamiento Patrimonial” y “Endeudamiento del

Activo Fijo”.

El análisis del endeudamiento del activo permite observar la proporción de los

fondos suministrados por los acreedores para financiar los activos de la empresa,

es decir, el nivel de autonomía financiera; en general la industria manufacturera se

ha mantenido constante en el período de estudio ya que el mencionado indicador

oscila entre 0,56 y 0,57, en otras palabra, sus empresas dependen de sus

acreedores en alrededor del 57%25.

Por su parte, el análisis del endeudamiento patrimonial permite evaluar la relación

entre los recursos totales aportados por los acreedores y aquellos aportados por

25 En general, a mayor índice, mayor cantidad de dinero prestado por terceras personas

0,56 0,57 0,58 0,57

2,14 1,97 2,15 2,05

7,86

7,20

5,83 5,74

0,00

1,00

2,00

3,00

4,00

5,00

6,00

7,00

8,00

9,00

2006 2007 2008 2009

Endeudamiento del Activo Endeudamiento Patrimonial

Endeudamiento del Activo Fijo

37

los propietarios de la empresa26; el sector “Industrias Manufactureras” en el

período de estudio se ha mantenido constante, es así que su indicador oscila

siempre cerca de 2, es decir, la industria manufacturera no cuenta con una

autonomía sobre terceros27.

El endeudamiento del activo fijo indica la cantidad de unidades monetarias que se

tiene de patrimonio por cada unidad invertida en activos fijos; para el caso de la

industria manufacturera, este indicador ha ido decreciendo, sin embargo, el valor

mínimo registrado es en el 2009 y no es menor a 5, lo que significa que el sector

está fuerte en este sentido28.

Figura 10. Indicadores de solvencia en el Sector “ D”, “Industrias Manufactureras” (“Apalancamiento” y “Apalancamiento Financiero”)


Elaboración: Autor

26

http://www.gestiopolis.com/canales5/fin/evafinan.htm 27

Según Sabino Ayala Villegas en su artículo “Evaluación financiera” publicado en www.gestiopolis.com, la norma promedio para la evaluación de empresas industriales respecto al endeudamiento patrimonial es 1. 28

Si el cálculo de este indicador arroja un cociente igual o mayor a 1, significa que la totalidad del activo fijo se pudo haber financiado con el patrimonio de la empresa, sin necesidad de préstamos de terceros.

3,142,97

3,153,05

2,50

1,57

2,582,46

0,00

0,50

1,00

1,50

2,00

2,50

3,00

3,50

2006 2007 2008 2009

Apalancamiento Apalancamiento Financiero

38



“Apalancamiento” y “Apalancamiento Financiero”.

El indicador de apalancamiento corresponde al número de unidades monetarias

de activos conseguidos por cada unidad monetaria de patrimonio; en otras

palabras, determina en qué grado se apoyan los recursos internos de la empresa

sobre recursos de terceros; en este sentido, la industria manufacturera presenta

índices positivos, pues siempre se encuentran alrededor de 3, es decir, que por

cada dólar de patrimonio de las empresas, se han conseguido cerca de tres

dólares en activos.

El apalancamiento financiero no es más que usar endeudamiento para financiar

una operación, como indicador muestra la contribución de dicho endeudamiento a

la rentabilidad del negocio; en este sentido, la industria manufacturera posee una

eficiente utilización de deuda con respecto a la rentabilidad, en otras palabras, el

endeudamiento influye de manera positiva, pues los índices para cada año son

superiores a 1, condición suficiente para afirmar lo antes dicho.

2.2.3 INDICADORES DE GESTIÓN EN EL SECTOR “D”, “IND USTRIAS

MANUFACTURERAS”

Los indicadores de gestión sirven para medir la eficiencia con la que las empresas

utilizan sus recursos, miden el nivel de rotación de los componentes del activo; el

grado de recuperación de los créditos y del pago de las obligaciones; la eficiencia

con la cual una empresa utiliza sus activos según la velocidad de recuperación de

los valores aplicados en ellos y el peso de diversos gastos de la empresa en

relación con los ingresos generados por ventas; los indicadores de gestión

considerados son: “Rotación de Cartera”, “Rotación de Activo Fijo”, y “Rotación de

Ventas”, mostrados en la figura 11, “Período Medio de Cobranza” y “Período

Medio de Pago”, mostrados en la figura 12, e “Impacto Gastos Administración y

Ventas” y “Impacto de la Carga Financiera” representados en la figura 13 para la

industria manufacturera.

39

Figura 11. Indicadores de gestión en el Sector “D” , “Industrias Manufactureras” (“Rotación de Cartera”, “Rotación de Activo Fijo” y “Rotación de Ventas”)


Elaboración: Autor



“Rotación de Cartera”, “Rotación del Activo Fijo” y “Rotación de Ventas”.

La rotación de cartera indica el número de veces que las cuentas por cobrar giran,

en promedio, en un periodo determinado de tiempo, generalmente un año, es así

que para la industria manufacturara, en promedio, las cuentas por cobrar se

convirtieron en efectivo 17 veces durante el período de estudio, lo que es sin duda

un factor positivo digno de destacar.

La rotación del activo fijo, por su parte, revela la cantidad de unidades monetarias

vendidas por cada unidad monetaria invertida en activos inmovilizados; en cuanto

al valor de este indicador se refiere, a mayor valor, mayor será la productividad del

activo fijo neto29. Para el sector “Industrias Manufactureras”, este indicador ha ido

decreciendo en el período de estudio de la presente investigación, sin embargo, es

29

Lo que quiere decir que, el dinero invertido en este tipo de activo rota un número mayor de veces, traduciéndose en una mayor rentabilidad del negocio.

17,03

14,35

20,85

18,31

38,07

47,07

38,37

30,07

2,16 2,35 2,262,30

0,00

5,00

10,00

15,00

20,00

25,00

30,00

35,00

40,00

45,00

50,00

2006 2007 2008 2009

Rotación de Cartera Rotación del Activo Fijo Rotación de Ventas

40

importante notar que, en promedio, el nivel es muy alto, por lo que a pesar de su

caída constante los dos últimos años del período, sus altas cifras mantienen al

sector bien ubicado en esta razón financiera, puesto que por cada dólar invertido

en activos fijos, se genera en promedio, alrededor de treinta dólares.

La rotación de ventas es un ratio que sirve para medir la eficiencia en la utilización

del activo total, así como el número de veces que, en un determinado nivel de

ventas, se utilizan los activos. En el sector “Industrias Manufactureras”, este

indicador oscila alrededor de 2.30, es decir que por cada dólar invertido en activos

totales, se han generado ventas por $ 2,30, un dato interesante, pues duplica

fácilmente el ingreso generado en ventas a la inversión realizada en activo total.

Figura 12. Indicadores de gestión en el Sector “D”, “Industrias Manufactureras” (“Período Medio de Cobranza” y “Período Medio de Pa go”)


Elaboración: Autor

La figura 12 representa el comportamiento que ha mantenido la industria

manufacturera durante el período de estudio con respecto a los ratios “Período

Medio de Cobranza”, y “Período Medio de Pago”.

140,88

92,46

49,94

55,69

183,43

158,65

112,63

152,10

0,00

20,00

40,00

60,00

80,00

100,00

120,00

140,00

160,00

180,00

200,00

2006 2007 2008 2009

Período Medio de Cobranza Período Medio de Pago

41

El período medio de cobranza representa el tiempo medio en que se demora en

convertir las ventas a crédito en efectivo, lo cual refleja la gestión y buena marcha

de la empresa. Para el caso de la industria manufacturera, el período oscila

alrededor de 50 días, lo que denota una política estricta en temas de cobranza,

buen síntoma de liquidez en el sector.

El período medio de pago representa el tiempo medio que se demora una

empresa en cubrir sus obligaciones de inventarios; el sector “Industrias

Manufactureras” tiene un promedio de alrededor de 150 días, lo que podría

considerarse razonable, dado que es mayor al período medio de cobranza.

Figura 13. Indicadores de gestión en el Sector “D”, “Industrias Manufactureras” (“Impacto Gastos de Administración” e “Impacto Carg a Financiera”)


Elaboración: Autor

La figura 13 representa en forma clara el comportamiento que ha mantenido la


“Impacto de Gastos de Administración y Ventas”, e “Impacto de Carga Financiera”.

El impacto de gastos de administración y ventas, sirve para relacionar los gastos

de administración y ventas con las ventas; pues si bien una empresa puede

0,52

0,47

0,29

0,30

0,01

0,07

0,01 0,010,00

0,10

0,20

0,30

0,40

0,50

0,60

2006 2007 2008 2009

Impacto de Gastos de Administración y Ventas Impacto de Carga Financiera

42

presentar un margen bruto relativamente aceptable, éste puede verse disminuido

por la presencia de fuertes gastos operacionales (administrativos y de ventas) que

determinarán un bajo margen operacional y la disminución de las utilidades netas

de la empresa30. Para el caso de la industria manufacturera se observa que el

impacto ha caído a través del período, teniendo un ligero aumento para el 2009,

es decir que si bien los costos de venta aumentaron, su impacto sobre la utilidad

bruta es poco significativo.

El impacto de la carga financiera permite conocer cuál es la incidencia de los

gastos financieros sobre los ingresos de la empresa; en este sentido la industria

manufacturera es un sector cuyas obligaciones con entidades financieras son muy

bajas con respecto al nivel de ventas, lo cual evidencia que en general es un

sector que se autofinancia.

2.2.4 INDICADORES DE RENTABILIDAD EN EL SECTOR “D”,

“INDUSTRIAS MANUFACTURERAS”

Los indicadores de rentabilidad o de rendimiento sirven para medir la efectividad

de la administración de la empresa en el control de los costos y gastos, y a través

de esta mencionada efectividad, convertir las ventas en utilidades.

Desde el punto de vista del inversionista, lo más importante de utilizar estos

indicadores es analizar la manera en la cual se produce el retorno de los valores

invertidos en la empresa (rentabilidad del patrimonio y rentabilidad del activo

total).31 Los indicadores de rentabilidad considerados son: “Rentabilidad Neta del

Activo (Du Pont)”, “Margen Bruto”, “Margen Operacional”, “Rentabilidad Neta de

Ventas (Margen Neto)”, “Rentabilidad Operacional del Patrimonio” y “Rentabilidad

Financiera”; y están representados en la figura 14 para la industria manufacturera.

30

Tomado de la tabla de indicadores, proporcionada por la Superintendencia de Compañías del Ecuador en su página web oficial, www.supercias.gob.ec 31

Tomado de la tabla de indicadores, proporcionada por la Superintendencia de Compañías del Ecuador en su página web oficial, www.supercias.gob.ec

43

Figura 14. Indicadores de rentabilidad en el Sector “D”, “Industrias Manufactureras” (“Rentabilidad Neta del Activo (Du Pont)”, “Margen Bruto”, “Margen Operacional”,

“Rentabilidad Neta de Ventas (Margen Neto)”, “Renta bilidad Operacional del Patrimonio” y “Rentabilidad Financiera”


Elaboración: Autor

La figura 14 muestra el comportamiento del sector “Industrias Manufactureras” en

cuanto a sus indicadores de rentabilidad.

La rentabilidad neta del activo evidencia la capacidad que un activo tiene para

reproducir utilidades, sin tomar en cuenta su financiamiento, el cual puede ser a

través de deuda o de patrimonio. Para el sector “Industrias Manufactureras” este

indicador muestra que, en promedio, su utilidad neta corresponde un 12% del

activo total, y ha sido creciente en el tiempo32.

El margen bruto permite conocer la rentabilidad de las ventas frente al costo de

ventas y la capacidad de la empresa para cubrir los gastos operativos y generar

utilidades antes de deducciones e impuestos33. Las ventas de la industria

manufacturera generan, en promedio, un 46% de utilidad bruta en el año, sin

32

Mientras mayor sea el valor de este ratio financiero, mejor será la situación de la empresa. 33

Tomado de la tabla de indicadores, proporcionada por la Superintendencia de Compañías del Ecuador en su página web oficial, www.supercias.gob.ec

0,00

0,10

0,20

0,30

0,40

0,50

0,60

2006 2007 2008 2009

Rentabilidad Neta del Activo Margen BrutoMargen Operacional Rentabilidad Neta de Ventas (Margen Neto)Rentabilidad Operacional del Patrimonio Rentabilidad Financiera

44

embargo la figura 14 denota que este indicador ha ido decreciendo, tanto así que

para el año 2009 cae a tan solo 38%, lo cual es preocupante para un sector como

este, pues su producción y la consecuente venta son el móvil de negocio.

El margen operacional34 tiene gran importancia dentro del estudio de la

rentabilidad de una empresa puesto que indica si el negocio es o no rentable en sí

mismo, independiente de la forma como ha sido financiado35. En el sector

“Industrias Manufactureras”, en promedio, la utilidad operacional corresponde a un

5,93% de las ventas, en general, este indicador ha ido creciendo en el período, y

en el año 2008 alcanza un valor de 8,77%.

La rentabilidad neta de ventas o margen neto, indica cuánto queda de cada dólar

vendido para cubrir los impuestos y generar utilidades para los socios; en cuestión

porcentual indica el tanto por ciento de las ventas que quedó para utilidades netas

a ser repartidas entre los socios. Para la industria manufacturera, en promedio, la

utilidad neta corresponde a un 8,41% de las ventas netas del año, sin embargo,

para el año 2009 este indicador ha bajado hasta 7,97%.

La rentabilidad operacional del patrimonio muestra, según el capital que los socios

o accionistas han invertido en la empresa, la rentabilidad que se les ofrece, sin

tomar en cuenta los gastos financieros ni de impuestos y participación de

trabajadores. Para el caso ecuatoriano, el sector “Industrias Manufactureras”, en

promedio, presenta una utilidad operacional del 29,2% del patrimonio, un alto nivel

de rentabilidad, siendo el año 2008 el de mayor repunte con un 39,95%, y siempre

creciente; cabe recalcar que no hubo la información disponible para el año 2009

por parte de la Superintendencia de Compañías.

La rentabilidad financiera calcula el beneficio neto (deducidos los gastos

financieros, impuestos y participación de trabajadores) generado en relación a la

inversión de los propietarios de la empresa. En este sentido, la industria

34

La información correspondiente al año 2009 del “Margen Operacional” y de la “Rentabilidad Operacional del Patrimonio” no se encuentran disponibles, puesto que esta información fue recaudada del “Portal de información” de la Superintendencia de Compañías en su página web. 35 Tomado de http://www.infosigma.com/diagnostico_financiero.htm

45

manufacturera, en promedio, ha estado con una rentabilidad financiera del 33,13%

para el período de estudio, siendo el máximo pico en el año 2008 con 36,90% y

decayendo un par de puntos porcentuales en 2009 llegando al 34,07%.

2.3 REVISIÓN METODOLÓGICA

La medición de la solvencia de una empresa o la predicción de quiebras

empresariales, como se describe en ciertos documentos, ha estado sujeta a varias

investigaciones y análisis, en principio muchos de estos trabajos han concluido en

que los índices financieros basados en datos contables son capaces de distinguir

entre empresas en quiebra y empresas sanas.

Se trata de analizar varias metodologías desde sus teorías básicas, así como de

las diferentes aplicaciones estudiadas en Latinoamérica, ya que es una región

donde sus países comparten similares condiciones y a donde el Ecuador

pertenece; es necesario tomar en cuenta los análisis que podrían ser

considerados generadores de un aporte significativo en nuestro país, ya que la

medición de la solvencia es un tema que va cobrando mucha importancia por el

objetivo de mitigar riesgos en las compañías.

En un principio, los intentos de medir y disminuir el riesgo de pérdida así como de

quiebra han sido realizados desde hace varias décadas, incluso data de la década

de los años 30 con Smith y Winakor (1935)36. Los primeros estudios con análisis

matemático y estadístico para obtener resultados más consistentes y valederos se

hicieron años más tarde; Beaver (1968) fue uno de los precursores de modelos

univariantes para predecir el fracaso empresarial.

Rápidamente esta visión fue sustituida por un enfoque multivariante para que se

puedan considerar varios aspectos de las empresas, en este punto surge una

herramienta muy útil como el Análisis Discriminante propuesto por Fisher (1932),

autores como Altman (1968), Blum (1974), Deakin (1972) entre otros emplean el

36

Romani et al, Modelos de clasificación y predicción de quiebra de empresas: una aplicación a empresas chilenas. 2002

46

análisis discriminante para evaluar empresas obteniendo muy buenos resultados

en algunas aplicaciones.37

Sin embrago, más tarde aparecen cuestionamientos en cuanto a la metodología,

pues esta herramienta conlleva ciertas exigencias que se deben cumplir para su

validez como por ejemplo supuestos de normalidad de los datos. Es así que

surgen modelos algo más complejos que no requieren necesariamente el

cumplimiento de los supuestos del análisis discriminante, como modelos Logit,

Probit o de Inteligencia Artificial (Redes Neuronales), los dos primeros basados en

modelos de probabilidad condicional.

Autores como Martin (1977), Ohlson (1980), Bash y Montenegro (1989), Golinsky

(1998), Mora (1994), Prata y Platt (1991) entre muchos otros realizaron estudios

en diferentes ámbitos con estas técnicas, más aún estas herramientas descritas al

igual que el Análisis Discriminante se encuentran sujetas a otras restricciones

propias del modelo.

En el ámbito Latinoamericano, encontramos Arroyo et al. (2009) como referente en

la comparación, descripción y estimación de modelos de riesgo de crédito básico

de Merton (1974), modelos probit y modelos de duración en las sociedades

colombianas en el período 1994-2004.

En Perú, Mongrut et al. (2011) utilizando un modelo logístico aplicado a 62

empresas con y sin dificultades financieras durante el período 1995-2007,

encontró algunos de los factores macroeconómicos que afectan la probabilidad de

insolvencia empresarial de las empresas peruanas como el crecimiento del

producto interno bruto (PIB) de la industria, el crecimiento anual de la inflación y

los episodios de crisis financieras.

Estudios realizados en Chile, (Romani et al, 2002) buscan identificar el modelo

que clasifique y prediga con mayor exactitud el grado de confiabilidad de las

empresas en Chile, los resultados muestran que el Modelo de Redes Neuronales

37 Correa et al, La insolvencia empresarial: un análisis empírico para la pequeña y mediana empresa, 2003

47

es superior en comparación con la Regresión Logística y el Análisis Discriminante,

sin embargo estos últimos permiten explicar el fenómeno, lo que significa la

identificación de la variables que mejor explican el tema.

En general, en base a los estudios revisados en este ámbito se puede subrayar

que las herramientas propuestas pueden ser consideradas en diferentes

investigaciones, de acuerdo a las condiciones y realidades propias del entorno;

así, la utilización de alguna de las diferentes técnicas revisadas dependerá del

cumplimiento de restricciones, información disponible, software y metodología,

además de los resultados que se deseen obtener.

2.4 JUSTIFICACIÓN DEL MODELO A SEGUIR

Como se indicó en la parte anterior, las diferentes metodologías que se pueden

aplicar para la evaluación del fracaso empresarial están enmarcadas en

restricciones propias del estudio. En el caso de esta investigación, la creación de

un indicador de solvencia en el sector “Industrias Manufactureras” se realizará con

la aplicación del Análisis Discriminante de Fisher, por la adaptación de la

información, la flexibilidad y la simplicidad de la metodología.

La utilización de ratios financieros (insumos que se poseen) también es muy

importante en la elección del Análisis Discriminante, varios estudios realizados en

el ámbito financiero han sido realizados con esta técnica, así como en otras

disciplinas. Actualmente grandes empresas, y especialmente las financieras,

utilizan metodologías basadas en obtener un Score o puntuaciones individuales.

La técnica del Análisis Discriminante tiene las ventajas de considerar un perfil

completo de características comunes a las empresas así como la interacción de

estas propiedades, por lo que esta técnica estadística se utiliza para clasificar una

observación en uno de los muchos grupos a priori que dependen de las

características individuales de la observación38.

38

Edward I. Altman. 2000 PREDICTING FINANCIAL DISTRESS OF COMPANIES:REVISITING THE Z-SCORE AND ZETA® MODELS.

48

Esta herramienta estadística se ha posicionado como una técnica robusta en sus

aplicaciones. Estudios realizados sostienen que comparando resultados de

Análisis Discriminante donde no son cumplidas sus restricciones, con otro modelo

que no exige por ejemplo supuestos de normalidad, como el Análisis Logit, sus

resultados no evidencian diferencias significativas,39 pues en el caso del Logit

también se requiere el cumplimiento de varios supuestos.

Esto determina, en este caso, que el Análisis Discriminante es una metodología

muy válida a la hora de generar una función que absorba la realidad para

establecer una puntuación (índice) de cada empresa y que de esta manera se

evalúe si una empresa es solvente o se encuentra en etapa de insolvencia.

2.5 MODELO

El análisis discriminante se utiliza para clasificar a distintos individuos en grupos o

poblaciones alternativos, a partir de los valores de un conjunto de variables sobre

los individuos a los que se pretende clasificar. Cada individuo puede pertenecer a

un solo grupo. La pertenencia a uno u otro grupo se introduce en el análisis

mediante una variable categórica que toma tantos valores como grupos existentes.

En el análisis discriminante esta variable juega el papel de variable dependiente.

A las variables que se utilizan para realizar la clasificación de los individuos se las

denominará como variables clasificadoras. También se emplean las

denominaciones de variables criterio o variables predictivas, o la denominación

genérica de variables explicativas. En el análisis discriminante, la información de

las variables clasificadoras se sintetiza en unas funciones, denominadas funciones

discriminantes, que son las que finalmente se utilizan en el proceso de

clasificación.

El análisis discriminante se aplica para fines explicativos y predictivos. En la

utilización explicativa se trata de determinar la contribución de cada variable

clasificadora a la clasificación correcta de cada uno de los individuos. En una

39

Sanchís et al, 2003. El análisis discriminante en la previsión de la insolvencia en la empresas de seguros de no vida. España

49

aplicación predictiva, se trata de determinar el grupo al que pertenece un individuo

para el que se conocen los valores que toman las variables clasificadoras.

El análisis discriminante está muy relacionado con el análisis multivariante de la

varianza con un factor, aunque el papel que juegan los distintos tipos de variables

está invertido en uno y otro método. Así en el análisis de la varianza la variable

categórica (el factor) es la variable explicativa, mientras que en el análisis

discriminante la variable categórica es precisamente la variable dependiente (Uriel

y Aldás 2005).

Es posible considerar al análisis discriminante como un análisis de regresión,

donde la variable dependiente es categórica y la etiqueta de cada uno de los

grupos son sus categorías, las variables independientes son continuas y

determinan a qué grupos pertenecen los objetos. El objetivo es encontrar

relaciones lineales entre las variables continuas que discriminen mejor en los

grupos dados a los objetos. Otro objetivo es construir una regla de decisión que

asigne un objeto nuevo, que no se sabe clasificar previamente, a uno de los

grupos prefijados con un cierto grado de riesgo.

Antes de utilizar el análisis discriminante de deben considerar una serie de

restricciones o supuestos:

• Se tiene una sola variable categórica y el resto de las variables son de

intervalo o de razón y son independientes respecto de ella.

• Deben existir al menos dos grupos, y para cada grupo se necesitan dos o

más casos.

• El número de variables discriminantes debe ser menor que el número de

objetos menos 2: ��, … , ��, donde � � � 2� y n es el número de objetos.

• Ninguna variable discriminante puede ser combinación lineal de otras

variables discriminantes.

• El número máximo de funciones discriminantes es igual al mínimo entre el

número de variables y el número de grupos menos 1 (con K grupos, (K − 1)

funciones discriminantes).

50

• La matriz de covarianzas de todos los grupos es igual a Σ. (hipótesis de

homoscedasticidad)

• Cada uno de los grupos tiene una distribución normal multivariante. Las

hipótesis anteriores implican que

��~��, �� (2.1)

• Se supone que se ha extraído una muestra aleatoria multivariante

independiente en cada uno de los G grupos.40

2.5.1 FUNCIÓN DISCRIMINANTE DE FISHER41

El problema con respecto a las variables clasificadoras, el estadístico Fisher lo

resolvió analíticamente en 1936 para el caso general de p variables.

La función discriminante de Fisher D se obtiene como función lineal de K variables

explicativas X, es decir,

� � �� (2.2)

El problema planteado es la obtención de los coeficientes de ponderación � . Si se

considera que existen n observaciones, se puede expresar la función

discriminante para las n observaciones:

�! � ��! � ��! � � � ��! ! � �, �, … , " (2.3)

Así, #$ es la puntuación discriminante correspondiente a la observación i-ésima.

Expresando las variables explicativas en desviaciones respecto a la media, #$ también lo estará. La anterior relación se puede expresar en forma matricial para

el conjunto de las observaciones:

40

URIEL, E. y ALDÁS, J. Análisis Multivariante Aplicado. International Thomson Editores. Madrid, España. 2005. 41

Todo este apartado ha sido tomado del libro “Análisis Multivariante Aplicado”, de Ezequiel Uriel y Joaquín Aldás.

51

%��…�"& � '�� … �� … ��…��" …��" … …… ��"

( %��…��& (2.4)

O, en notación matricial más compacta:

) � �� (2.5)

La variabilidad de la función discriminante (es decir, la suma de los cuadrados de

las variables discriminantes en desviaciones respecto a su media) se puede

expresar de la siguiente forma:

)*) � �+�+�� (2.6)

El segundo miembro de (2.6) es una forma cuadrática de la matriz ,+,. Esta

matriz, al estar expresadas las variables en desviaciones respecto a la media, es

la matriz de suma de cuadrados y productos cruzados (SCPC) total de las

variables X. Esta matriz se puede descomponer en la matriz de la SCPC entre-

grupos y la SCPC residual o intra-grupos; la descomposición de ,+, puede

expresarse así:

�*� � - � . � / (2.7)

Donde T, F y W son las matrices de SCPC total, entre-grupos e intra-grupos

respectivamente. Sustituyendo (2.7) en (2.6) se obtiene:

)*) � �*-� � �*.� � �+/� (2.8)

Cabe observar que en la expresión anterior T, F y W se pueden calcular con los

datos muestrales, mientras que los coeficientes �$ están por determinar. Para su

estimación, Fisher utilizó el siguiente criterio:

Criterio para obtención de la función discriminante de Fisher

01�!2!314!ó" )6 718!19!:!)1) 6";86<�8�=>?718!19!:!)1) !";81<�8�=>? (2.9)

52

Con este criterio se trata de determinar el eje discriminante de forma que las

distribuciones proyectadas sobre el mismo estén lo más separadas posible entre

sí (mayor variabilidad entre grupos) y, al mismo tiempo, que cada una de las

distribuciones esté lo menos dispersa (menor variabilidad dentro de los grupos).

Analíticamente, el criterio de Fisher se puede expresar de la siguiente forma:

Criterio para obtención de la función discriminante

01�!2!314!ó" )6 @ � �*.��*/� (2.9bis)

Como puede verse, se trata de que el primer término (entre-grupos) de (2.8) sea lo

mayor posible en detrimento del segundo término (intra-grupos).

La función discriminante de Fisher (2.3) suele ir acompañada del calificativo de

lineal, debido a que se obtiene como combinación lineal de las variables

originales.

Los coeficientes ��, �A, … , �� (normalizados) que se obtienen en el proceso de

maximización de (2.9) pueden contemplarse como un conjunto de cosenos que

definen la situación del eje discriminante. Para esta interpretación, la

normalización a la que se hace referencia es que la suma de sus cuadrados sea la

unidad.

Las puntuaciones discriminantes son pues los valores que se obtienen al dar

valores a ,�, ,A, … , ,� en la ecuación (2.3) y se corresponden con los valores

obtenidos al proyectar cada punto del espacio K-dimensional de las variables

originales sobre el eje discriminante.

Los centros de gravedad o centroides (es decir, el vector de medias) son los

estadísticos básicos que resumen la información sobre los grupos. Las

denominaciones que se utilizan para designar a los centroides de los grupos I y II

son las siguientes:

53

�BC � '�B�,C�B�,C…�B�,C( �BCC � '�B�,CC�B�,CC…�B�,CC

( (2.10)

Sustituyendo en (2.3) ,�, ,A, … , ,� por los elementos del vector ,DE, se obtiene que

�BC � ��B�,C � ��B�,C � � � ��B�,C (2.11)

Procediendo de forma análoga en el grupo II, se obtiene:

�BCC � ��B�,CC � ��B�,CC � � � ��B�,CC (2.12)

El punto de corte discriminante C se calcula promediando #BE y #BEE, es decir:

Punto de corte discriminante

F � �BCG�BCC� (2.13)

El criterio para clasificar al individuo i es el siguiente:

Si #$ � H, se clasifica al individuo i en el grupo I.

Si #$ I H, se clasifica al individuo i en el grupo II.

En general, cuando se aplica el análisis discriminante se le resta el valor de C a la

función. De esta forma, la función discriminante viene dada por:

� F � �� F (2.14)

Utilizando la ecuación anterior, se clasifica a un individuo en el grupo I si #$ H �0, y en el grupo II, en otro caso.

Si se iguala a 0 el segundo miembro de (2.14), en el caso de 2 variables, se

obtiene la ecuación de la recta:

�� F � K (2.15)

54

Que delimita en el plano �,�, ,A � a los grupos I y II.

Existe una forma alternativa a la utilización de (2.14), que consiste en construir

funciones discriminantes para cada grupo, basadas también en el criterio (2.9).

Estas funciones, denominadas LE y LA, tienen la siguiente estructura:

.C � 1C,�� 1C,�� 1C,�� FC .CC � 1CC,�� 1CC,�� 1CC,�� FCC (2.16)

Cuando se utilizan estas funciones, se clasifica a un individuo en el grupo para el

que la función LM sea mayor. Este tipo de funciones clasificadoras tiene la ventaja

de que se generalizan fácilmente al caso de que existan más de 2 grupos. A partir

de los coeficientes de las funciones (2.16) se pueden obtener los coeficientes de la

función (2.14) a través de la siguiente equivalencia:

.CC .C � �1CC,� 1C,�� 1CC,� 1C,�� 1CC,� 1C,�� FCC FC� �� F (2.17)

2.5.2 MODELO Z DE ALTMAN

El “Z Score” o “Modelo Z” de Altman es un modelo creado por Edward Altman42 en

1966, el cual se basó en el análisis estadístico iterativo de discriminación múltiple.

Este modelo consta de cinco razones financieras, las cuales se ponderan y se

suman (variables independientes) y de una variable discriminante (variable

dependiente), la cual clasifica a las diferentes empresas entre solventes e

insolventes.

El desarrollo del modelo de Altman contó con una muestra de 66 empresas,

divididas en 33 empresas que habían quebrado en los últimos 20 años y 33

empresas que seguían operando a la fecha de su estudio; procedió a calcular 22

42

MBA y Doctor en Finanzas por la Universidad de California, Edward Altman actualmente es Profesor Max L. Heine de Finanzas en Stern School of Business (New York University)

55

razones financieras para cada una de las empresas, las cuales clasificó en 5

categorías estándar: liquidez, rentabilidad, apalancamiento, solvencia y actividad.

Luego de muchos intentos por encontrar un modelo sólido, seleccionó 5 variables,

las cuales en conjunto arrojaron el mejor resultado en cuanto a la predicción de la

insolvencia, en este sentido, la función discriminante está como sigue:

N � �. �� . P�� Q. Q�Q � K. R�P � K. SS�T43 (2.18)

Donde:

• ,� � WX $YXZ [\ Y]X^XM_`aY$b_ Y_YXZ

• ,A � cY$Z$[X[\d ]\Y\e$[Xd`aY$b_ Y_YXZ

• Xg � hijkjlmlno mpino ln jpinqnono n jrstnoiuovwijxu iuimk

• Xy � zmkuq ln rnqwmlu lnk wmsjimk{mojxu iuimk

• X| � znpimovwijxu iuimk Estableciendo así 3 zonas diferentes en donde las puntuaciones discriminantes

podrían encontrarse:

• } ~ 2.99 “Safe” zones44

• 1.81 � } � 2.99 “Grey” zones45

• } � 1.81 “Distress” zones46

43

Edward I. Altman. 2000 PREDICTING FINANCIAL DISTRESS OF COMPANIES:REVISITING THE Z-SCORE AND ZETA® MODELS. 44

Zonas “seguras” 45

Zonas “grises” 46 Zonas de “angustia”

56

2.6 DESARROLLO DEL MODELO DE QUIEBRA PARA EL SECTO R “D”, IDUSTRIAS MANUFACTURERAS

Altman, en su artículo “Predicting Financial Distress of Dompanies: Revisiting the

Z-Score and Zeta® Models” de Julio del 2000, demuestra que los modelos

discriminantes tienen una capacidad de predicción de hasta 2 años antes de la

quiebra de una empresa, por lo cual, en la presente investigación se calcula un

indicador de quiebra para el año 2006 que podría ser evaluado hasta el año 2008

y un indicador de quiebra para el año 2009 que podría ser evaluado hasta el año

2011 (hasta dos años posteriores para identificar riesgo de quiebra), cubriendo así

el período de estudio entre los años 2006 y 2009.

La construcción del indicador de quiebra empresarial para el año 2009 tiene un

análisis anterior, debido a la información proporcionada por la Superintendencia de

Compañías para la elaboración de la presente investigación, correspondiente al

período comprendido entre los años 2006 a 2009; en tal virtud, se desarrolló

primero un indicador al año 2006, en base a una determinada metodología, una

vez concluido este indicador se procede a desarrollar el indicador de quiebra

empresarial al año 2009.

El desarrollo del índice al año 2006 permitió evidenciar que el modelo es más

robusto cuando los grupos de variables excluyentes son de tamaños semejantes,

evidencia que se toma en cuenta para la elaboración del indicador al año 2009.

2.6.1 DEFINICIÓN DE LAS VARIABLES

Aunque sería deseable que al momento de realizar esta investigación se contase

con una teoría económica sobre la cual basarse para escoger las variables

independientes del modelo de predicción, tal y como afirman Ball y Dooster

(1982), los modelos sofisticados de fracaso empresarial citados en la literatura

provienen generalmente de los estudios matemáticos o estadísticos, lo que ayuda

muy poco a la hora de seleccionar las variables de predicción47, no obstante, las

47

MORA, Araceli. Limitaciones metodológicas de los trabajos empíricos sobre la predicción del fracaso empresarial. Revista española de financiación y contabilidad. Vol. XXIV, n 80. Julio – Septiembre 1994.

57

variables a ser utilizadas en la presente investigación, se desprenden de los 20

ratios financieros utilizados por la Superintendencia de Compañías para sus

diferentes análisis, estudios y seguimientos; 17 ratios son utilizados como

variables explicativas, divididos en cuatro grandes grupos según su naturaleza, de

liquidez, de solvencia, de gestión y de rentabilidad, y uno corresponde a la variable

explicada48 tal y como se puede apreciar en la tabla 9.

Tabla 9. Variables Dependientes e Independientes pa ra el Indicador de Quiebra

VARIABLES INDEPENDIENTES

INDICADORES TÉCNICOS49

VARIABLE

DEPENDIENTE

I. LIQUIDEZ

1. Liquidez Corriente Endeudamiento del Activo

2. Prueba Ácida

II. SOLVENCIA

1. Endeudamiento Patrimonial

2. Endeudamiento del Activo Fijo

3. Apalancamiento

4. Apalancamiento Financiero

III. GESTION

1. Rotación de Cartera

2. Rotación de Activo Fijo

3. Rotación de Ventas

4. Impacto Gastos Administración y Ventas

5. Impacto de la Carga Financiera

IV. RENTABILIDAD

1. Rentabilidad Neta del Activo (Du Pont)

2. Margen Bruto

3. Margen Operacional

4. Rentabilidad Neta de Ventas (Margen Neto)

5. Rentabilidad Operacional del Patrimonio

6. Rentabilidad Financiera

UAI: Utilidad antes de Impuestos

UAII: Utilidad antes de Impuestos e Intereses

Utilidad Neta: Después del 15% de trabajadores e impuesto a la renta

Elaboración: Autor

48

Se descartaron los ratios “Período Medio de Cobranza” y “Período Medio de Pago”, debido a la inconsistencia y falta de información en los estados financieros para sus cálculos. 49 Para revisar la forma de calcular cada uno de los indicadores financieros, revisar la tabla 9.

58

El análisis discriminante requiere de una variable dependiente, la cual discrimine a

los individuos en estudio, en este caso las empresas del sector “Industrias

Manufactureras”. Para elegir la variable dependiente se consideró el criterio de

quiebra técnica para el sector, eligiendo entre dos razones financieras que pueden

evaluar la quiebra, estas variables fueron el “Endeudamiento Patrimonial” y el

“Endeudamiento del Activo”, ambas razones fueron consideradas previamente,

pues tienen un gran potencial de determinar los dos grupos de empresas con los

cuales se trabaja en este estudio, así, tanto para “solventes” (1) como para

“insolventes” (2); la elección de la variable dependiente se la hace de acuerdo al

análisis de la información en promedio de todo el sector en estudio, tal y como se

presenta en la tabla 10.

Tabla 10. Endeudamiento del Activo y Endeudamiento Patrimonial del Sector “D”, “Industrias Manufactureras”, años 2006 y 2009

INDICADOR FINANCIERO

ENDEUDAMIENTO

DEL ACTIVO

ENDEUDAMIENTO

PATRIMONIAL

A

Ñ

O

2006 0.56 2.14

2009 0.57 2.05


Elaboración: Autor

De acuerdo a la tabla anterior, el indicador financiero “Endeudamiento del Activo”50

tiene mayor importancia en relación al indicador “Endeudamiento Patrimonial”,

pues su índice es menor tanto para el año 2006 como para el año 2009. En tal

virtud, una vez definido el “Endeudamiento del Activo” como variable dependiente,

se ha considerado un umbral dado por la quiebra técnica51, es decir, aquellas

empresas con deudas semejantes o superiores al 70% de sus activos correrán el

50

El Endeudamiento del Activo mide la relación de las deudas totales con los activos. 51

Se entiende por quiebra técnica como una situación en la cual las deudas contraídas con terceros son mayores que el valor contable de los activos de la empresa, es decir, no es posible hacer frente al pago de las deudas. EDITORIAL CURSOS LUIS BONILLA SL. Escuela Universitaria de Estudios Jurídicos y Económicos del Campo de Gibraltar 'Francisco Tomás y Valiente'

59

riesgo de ser “insolventes”, no así aquellas que su deuda sea menor al 70% de los

activos, en este caso serán denominadas “solventes”52.

La presente investigación toma en cuenta solamente a las empresas activas,

según los reportes de la Superintendencia de Compañías del Ecuador, es decir,

no se consideran ninguna de las empresas que se encuentren en estado de

disolución o de cancelación, según la información que se maneja; este trabajo

busca obtener un indicador de quiebra que pueda prever con anterioridad esta

situación.

2.6.2 TRATAMIENTO DE LA INFORMACIÓN Y SELECCIÓN DE LA

MUESTRA

En el capítulo 1 se evidenció que el sector “Industrias Manufactureras” posee un

gran número de empresas, siendo una de las ramas más importantes en este

aspecto, teniendo alrededor de 3448 empresas en promedio durante el período

2006 – 2009; esto hizo dificultosa la depuración de la información de las empresas

y su elección como aptas para el análisis; el criterio de selección se basó en la

elección de las empresas que contengan toda la información financiera necesaria

para construir los ratios financieros durante el período 2006 – 2009, desechando

las ya mencionadas en el capítulo anterior “empresas de papel”, con lo cual se

obtuvo una población de estudio de 2378 empresas para cada año, exceptuando

el año 2009 donde se trabaja con 2.122 empresas.

Es necesario mencionar que la base de datos general con la que se contó como

insumo para esta investigación contaba con muchos datos perdidos e

inconsistencias, quizá por errores tipográficos al momento de ingresar los datos o

porque la información no estaba actualizada; es precisamente este último punto el

cual caracterizó a la base de datos correspondiente al año 2009, de la cual se

supo que al momento de obtener la mencionada base, no se contaba con la

52

No se debe confundir este concepto de quiebra técnica con el término legal, en el cual, aún siendo el pasivo exigible superior al valor del activo real, la empresa no ha hecho cesación de pagos ni el estado legal de quiebra ha sido declarado.

60

información 100% actualizada de los reportes de balance de cuentas de las

empresas, razón por la cual se explica el menor número de empresas con

información en el año 2009 para la realización de esta investigación.

La presente investigación se la realiza en base a segmentos, con el fin de trabajar

con información más homogénea y que el estudio sea más consistente, con esta

motivación se realizó la clasificación de acuerdo a la R. O. No. 335 del martes, 07

de Diciembre de 2010, emitida por la Superintendencia de Compañías (ver tabla 7

del capítulo 1), obteniendo los resultados mostrados en la tabla 11.

Tabla 11. Composición de los segmentos de las empre sas del Sector “D”, “Industrias Manufactureras”

SEGMENTO - SIT. LEGAL / AÑO 2006 2007 2008 2009

GRANDES 347 378 312 292

MEDIANAS 519 549 457 430

PEQUEÑAS 909 936 858 743

MICROEMPRESAS 603 515 751 657

TOTAL 2378 2378 2378 2122


Elaboración: Autor

Cabe señalar que si bien la presente investigación pretende trabajar con todos los

segmentos que conforman al sector “Industrias Manufactureras”, no se considera

al segmento de microempresas, debido a que en general sufren una falta de

información de alrededor del 50% de sus datos53, lo que se evidenció al aplicar el

análisis correspondiente, sus resultados fueron inconsistentes, lo cual resultó en

un análisis poco fructífero.

Para contar con información más cercana a la realidad, una vez obtenido el

número de empresas que cada segmento contiene, se utilizó un nuevo criterio,

mediante el cual se evaluó si una empresa es relativamente nueva o no, el criterio

es contar para el análisis únicamente con las empresas cuya fecha de constitución

53

Se detectaron vacíos en la mayoría de sus cuentas, las cuales al parecer carecen de rigurosidad en cuanto a su retroalimentación, o quizá la falta de exigibilidad de cumplimiento hace posible esta condición en la base de datos para con este segmento.

61

no sea menor a cinco años, esto con el fin de evitar que empresas recién

constituidas, las cuales en su mayoría seguramente contarían con un alto nivel de

deuda, fuesen consideradas como “insolventes”, y así contar con empresas que

tengan una historia financiera más estable.

El trabajo de Edward Altman, en “Financial ratios, discriminant analysis and the

prediction of corporate bankruptcy” evidencia que el análisis discriminante con

muestras pequeñas y con un número de observaciones similares en los dos

grupos discriminados funciona de mejor manera; en este sentido, se realizaron

submuestras a cada uno de los segmentos de este sector, tal y como lo indica el

cálculo de muestras para poblaciones pequeñas.

Cuando la población es pequeña, el cálculo para determinar la muestra viene dado

por:

� e��G�� (2,19)

Donde � representa el tamaño de la muestra para poblaciones grandes y N el

tamaño de la población; � se corrige con � � �\�, donde �A pertenece al error.

En la práctica se dice que e�� es importante si es mayor o igual a 0.0554.

Es importante tomar en cuenta que para la toma de la muestra de empresas en

cada segmento, siguiendo el trabajo de Altman, se han considerado muestras de

empresas con similar número entre “solventes” e “insolventes”.

Una vez obtenidas las muestras de cada segmento para cada año, se ha

procedido a verificar el supuesto de normalidad de las variables, encontrándose

que no todas las variables cumplen este requisito.55

Como lo afirma Mora (1994), la resolución de los problemas de la normalidad de

las variables puede ser de dos tipos: i) ignorar el hecho de la no normalidad, así

54

CAPA, Holger. Elementos y Diseños básicos para muestreo. En el estudio se consideró un error de 0.1 para obtener muestras menores, en concordancia a ciertos requerimientos. 55 Ver anexo 3 (pruebas de normalidad de los datos originales, indicador de quiebra)

62

como sus consecuencias, y ii) realizar una serie de transformaciones en las

variables (generalmente a través de logaritmos), con las que se logra muchas

veces que dicha normalidad se cumpla.

Con el fin de cumplir el supuesto de normalidad de las variables, se procede a

realizar en ciertos casos, según amerita, las llamadas transformaciones, autores

como Deakin (1976) y Frecka y Hopwood (1983) en sus trabajos, verifican que

ante una falta de normalidad en casi todos los ratios analizados, hay un progresivo

acercamiento a la distribución deseada cuando se les aplican transformaciones, se

extraen los valores extremos o se realiza un acotamiento sectorial 56; de igual

forma, Lachenbruch y otros (1973) mencionan que en lo posible deberían

transformarse los datos previamente para aproximarlos a la normalidad; en la

presente investigación, la falta de normalidad univariante y de diferencias en la

matriz de covarianza poblacional de los dos grupos (supuesto de

homocedasticidad) fue notoria.

Ante este hecho, se aplicó a la mayoría de segmentos en los años 2006 y 2009

una transformación a los datos originales, siendo elegida la transformación

“logaritmo natural de la variable más uno”, es decir, ln(x+1), esto porque algunas

variables podrían tomar valores igual a cero (0) o valores negativos, lo que hace

imposible el cálculo del logaritmo natural, además de que es una transformación

apta para este tipo de variables unimodales.

2.6.3 ANÁLISIS Y ESTIMACIÓN DE LA FUNCIÓN DISCRIMIN ANTE

PARA EL SEGMENTO “GRANDES EMPRESAS” A LOS AÑOS

2006 Y 2009

Una vez hecha la respectiva depuración de la información y su consecuente

muestreo, se ha tomado una muestra de 74 empresas, 37 denominadas

“solventes” y 37 denominadas “insolventes”, tanto para el año 2006 como para el

56

TABOADA, Laura y LIMA, Juliana. Modelos de Evaluación del Riesgo de Insolvencia de Empresas Españolas Cotizadas. 2008

63

año 2009 , en base a lo dispuesto por Altman, considerando grupos semejantes y

en base al procedimiento antes explicado.

2.6.3.1 ANÁLISIS DE NORMALIDAD DEL SEGMENTO “GRANDE S EMPRESAS” AÑOS 2006 Y 2009

Las pruebas de normalidad se hicieron de acuerdo al test no paramétrico de

Kolmogorov – Smirnov, tanto para el año 2006 como para el año 2009. En el año

2006 todas y cada una de las 17 variables cumplen normalidad, tanto en

insolventes como en solventes, por lo cual no fue necesario realizar

transformación alguna a las variables; en cambio para el año 2009, el grupo de

“solventes” cuenta con una variable “no normal” (impacto de la carga financiera) y

el grupo de “insolventes” cuenta con tres variables “no normales” (endeudamiento

patrimonial, endeudamiento del activo fijo y apalancamiento), es por esto que se

procedió a realizar una transformación del tipo ln(x+1), así 16 variables cumplieron

normalidad y con ellas se trabajó, descartando la variable impacto de la carga

financiera, la cual se mantuvo como “no normal”57 a pesar de las transformaciones

realizadas.

2.6.3.2 ANÁLISIS DE HOMOCEDASTICIDAD DEL SEGMENTO “GRANDES EMPRESAS” AÑO 2006 Y 2009

Utilizando el programa Statistical Package for the Social Sciences (SPSS), la

prueba de matrices de covarianzas iguales para los dos grupos, tanto para el año

2006 como para el año 2009, arrojan el contraste Barlett – Box (1949), conocido

también como “M de Box”, tienen una significancia inferior a 0.05, con la cual se

rechaza la hipótesis de que la matriz de varianza – covarianza poblacional es igual

en los dos grupos, en consecuencia, uno de los dos grupos es más variable que el

otro58.

Lograr validar este supuesto es complicado, puesto que es muy sensible y

exigente al supuesto de normalidad, los cuales pueden resultar dificultosos de

57

Ver Anexo 4 (pruebas de normalidad de los datos transformados, indicador de quiebra) 58

Ver Anexo 5 (prueba de box sobre la igualdad de las matrices de covarianza en el modelo de quiebra, años 2006 y 2009)

64

conseguir, sin embargo, ciertos autores señalan que esta prueba es importante

pero no necesaria, dado que aún sin ella el análisis discriminante puede funcionar

bien59.

2.6.3.3 ANÁLISIS DE DIFERENCIA DE MEDIAS DEL SEGMEN TO “GRANDES EMPRESAS” AÑOS 2006 Y 2009

Este análisis busca medir si las variables, a nivel global, ejercen un efecto

significativo, medido a través de la función discriminante; en este caso, en base a

los resultados obtenidos en el SPSS, se prueba el nivel de significación crítico de

la Chi – cuadrado, el cual es 0.00 en los dos años, tanto para el año 2006, como

para el año 200960, dados estos resultados se rechaza la hipótesis de igualdad

entre los dos vectores de medias, lo cual es importante, pues caso contrario

carecería de interés continuar con el análisis, puesto que significaría que las

variables introducidas como variables clasificadoras no tienen una capacidad

discriminante significativa61.

2.6.3.4 ESTIMACIÓN DE LA FUNCIÓN DISCRIMINANTE PARA EL SEGMENTO “GRANDES EMPRESAS” A LOS AÑOS 2006 Y 2009

Como lo dicen Uriel y Aldás (2005), en las aplicaciones del análisis discriminante

se dispone frecuentemente de observaciones de un número relativamente elevado

de variables potencialmente discriminantes. En la práctica se impone, cuando el

número de variables es elevado, aplicar un sistema que permita seleccionar las

variables con más capacidad discriminante entre un conjunto de variables más

amplio.

En el análisis discriminante, al igual que en el análisis de la regresión, los tres

métodos más conocidos para selección de variables son los siguientes: selección

59

Universidad de Alicante. Análisis Multivariante con SPSS. Clasificación de Muestras: Análisis Discriminante y de Clúster. 60

Ver Anexo 6 (pruebas de igualdad global de las medias de los grupos, indicador de quiebra, años 2006 y 2009) 61

URIEL, E. y ALDÁS, J. Análisis Multivariante Aplicado. International Thomson Editores. Madrid, España. 2005.

65

hacia adelante (forward), selección hacia atrás (backward) y selección paso a

paso (stepwise).

En esta investigación se utiliza el método selección paso a paso (stepwise),

debido a que combina características de los otros dos métodos y además es el

que se aplica con mayor frecuencia. En este método en cada paso puede entrar y

también puede salir una variable en el conjunto seleccionado, de una en una se

eligen las variables del modelo de acuerdo a su capacidad discriminatoria y se

desechan aquellas menos útiles para el modelo, así, este conjunto reducido de

variables es generalmente tan bueno e incluso mejor que el conjunto completo de

variables independientes.

El análisis discriminante para el indicador de quiebra al año 2006 arrojó como

resultado el uso de las variables:

• Apalancamiento y;

• Rentabilidad Neta del Activo (du Pont)

Mientras que para el indicador de quiebra al año 2009 las variables discriminantes

resultantes fueron:

• Prueba Ácida,

• Endeudamiento Patrimonial y;

• Apalancamiento

Se procede a utilizar el estadístico lambda de Wilks para probar la significancia

que tienen las variables discriminatorias, a partir del análisis univariante de las

varianzas, en este sentido las variables antes mencionadas, tanto para el año

2006 como para el año 2009, se contrastan, obteniendo como resultado que sí son

importantes (<0.05)62.

En la tabla 12 aparece, bajo el título de autovalores, información relativa al

contraste de significación global de igualdad de medias y a la medida de la bondad

62 Ver Anexo 7 (pruebas de igualdad de las medias de los grupos, indicador de quiebra, años 2006 y 2009)

66

del ajuste, en este caso la correlación canónica, la cual mide el grado de

asociación entre las puntuaciones discriminantes de cada uno de los objetos y el

grupo concreto de pertenencia, toma el valor de 0.880 en el modelo de quiebra al

año 2006 y de 0.905 en el modelo de quiebra al año 2009, valores que en ambos

casos son cercanos a 1, de este modo, implica que la potencia discriminante de la

función es importante63.

Tabla 12. Autovalores de las funciones discriminant es de quiebra, segmento grandes empresas, años 2006 y 2009

AÑO Autovalor % de

varianza

%

acumulado

Correlación

canónica

2006 3.437a 100.0 100.0 0.880

2009 4.499a 100.0 100.0 0.905

a. Se han empleado las 1 primeras funciones discriminantes canónicas en el

análisis.

Fuente: Resultados SPSS

Elaboración: Autor

Una vez definidas las variables, es de suma importancia conocer cuál es el poder

discriminatorio de cada variable, y cuál es la variable que lo posee en mayor

cantidad, esto se lo realiza de acuerdo a las correlaciones intra – grupos.

La tabla 13 muestra la composición de las correlaciones intra – grupos de las

variables utilizadas en el análisis, donde, para el año 2006 el “Apalancamiento”

tiene mayor poder discriminatorio que la “Rentabilidad Neta del Activo (Du Pont)”,

mientras que para el año 2009, la “Prueba Ácida” tiene un mayor poder

discriminatorio (inverso), seguido del “Endeudamiento Patrimonial” y del

“Apalancamiento”.

63 Mientras la correlación canónica está más próxima a 1, mejor es la potencia discriminatoria de la función.

67

Tabla 13. Correlaciones intra – grupos de las funci ones discriminantes de quiebra, segmento grandes empresas, años 2006 y 2009

Variables / Años 2006 2009

PRUEBA ÁCIDA --- -0.650

ENDEUDAMIENTO PATRIMONIAL --- 0.641

APALANCAMIENTO 0.919 0.575

RENTABILIDAD NETA DEL ACTIVO (DU PONT) -0.382 ---

Correlaciones intra-grupo combinadas entre las variables discriminantes y las

funciones discriminantes canónicas tipificadas.


Elaboración: Autor

Una vez realizados un número considerado de corridas de la información, en

busca de la aprobación de los modelos, la confianza de la discriminación ha

mejorado de manera sustancial, es así que el porcentaje de casos clasificados

correctamente para el año 2006 es del 98.6% (un caso clasificado en un principio

como “insolvente” ha sido clasificado como “solvente”) tanto para la validación

original como para la validación cruzada64, tal y como se puede apreciar en la

tabla 14

.

64

En la validación cruzada, cada caso se clasifica mediante las funciones derivadas a partir del resto de los casos.

68

Tabla 14. Resultados de la clasificación, segmento grandes empresas, año 2006

BIN SOLV. INS. END

Grupo de pertenencia

pronosticado Total

0 1

Original

Recuento 0 36 1 37

1 0 37 37

% 0 97.3 2.7 100.0

1 0.0 100.0 100.0

Validación

cruzadab

Recuento 0 36 1 37

1 0 37 37

% 0 97.3 2.7 100.0

1 0.0 100.0 100.0

a. Clasificados correctamente el 98.6% de los casos agrupados originales.

b. Clasificados correctamente el 98.6% de los casos agrupados validados mediante validación

cruzada.


Elaboración: Autor

El porcentaje de casos clasificados correctamente para el año 2009 es del 100%

tanto para la validación original como para la validación cruzada65, tal y como se

puede apreciar en la tabla 15.

65

Es poco probable encontrar diferencias entre una validación original y una validación cruzada, cuando la primera está muy cercana al 100%.

69


BIN SOLV. INS. END


pronosticado Total

0 1

Original Recuento 0 37 0 37

1 0 37 37

% 0 100.0 0.0 100.0

1 0.0 100.0 100.0

Validación

cruzadab

Recuento 0 37 0 37

1 0 37 37

% 0 100.0 0.0 100.0

1 0.0 100.0 100.0


b. Clasificados correctamente el 100.0% de los casos agrupados validados mediante validación

cruzada.


Elaboración: Autor

En consecuencia, los coeficientes de las funciones canónicas discriminantes y los

coeficientes discriminantes de Fisher se encuentran en las tablas 16 y 17,

respectivamente.

Tabla 16. Coeficientes de las funciones canónicas d iscriminantes, segmento grandes empresas, años 2006 y 2009

Variables AÑO

2006 2009

PRUEBA ÁCIDA --- -1.722

ENDEUDAMIENTO PATRIMONIAL --- 24.898

APALANCAMIENTO 2.039 -28.638

RENTABILIDAD NETA DEL ACTIVO (DU PONT) -8.055 ---

(Constante) -4.274 14.946

Coeficientes no tipificados


Elaboración: Autor

70

Tabla 17. Coeficientes de las funciones discriminan tes lineales de Fisher, segmento grandes empresas, años 2006 y 2009

Variables AÑO

2006 2009

PRUEBA ÁCIDA --- 7.207

ENDEUDAMIENTO PATRIMONIAL --- -104.182

APALANCAMIENTO -7.457 119.833

RENTABILIDAD NETA DEL ACTIVO (DU PONT) 29.459 ---

(Constante) 15.633 -62.539

Funciones discriminantes lineales de Fisher


Elaboración: Autor

En base a los coeficientes discriminantes lineales de Fisher, las funciones de la

clasificación discriminante queda determinada de la siguiente manera66:

• Año 2006

� � 15.63 7.46 �� 29.46 �� (2.20)

• Año 2009

� � 62.54 � 7.21 �� 104.18 �� 119.83 �� (2.21)

Se utilizan las anteriores ecuaciones 2.19 y 2.20, que son las funciones

discriminantes de Fisher para cada año, para obtener cada una de las

puntuaciones discriminantes, correspondientes a cada empresa; en general se

observa que si una empresa obtiene una puntuación negativa, ésta podría ser una

empresa catalogada como “insolvente”, mientras que si una empresa tiene una

puntuación positiva, ésta podría ser una empresa catalogada como “solvente”.

Estas puntuaciones discriminantes se encuentran entre -20.19 y 10.01 para el año

2006, mientras que para el año 2009 se encuentran entre -12.82 y 20.92, siendo

estos los extremos discriminantes tanto para las empresas “insolventes” como

66

AP = Apalancamiento; RNA = Rentabilidad Neta del Activo (Du Pont); PA = Prueba Ácida; EP = Endeudamiento Patrimonial.

71

para las “solventes” respectivamente67. La tabla 18 representa una muestra del

20% de las empresas utilizadas en esta investigación con sus respectivas

puntuaciones discriminantes en los años de estudio.

Tabla 18. Muestra de las puntuaciones discriminante s del indicador de quiebra segmento grandes empresas, años 2006 y 2009

PUNTUACIÓN

DISCRIMINANTE

Nº DENOMINACIÓN 2006 2009

1 POLLO FAVORITO SA POFASA 10.01 17.81

2 VERNAZA GRAFIC C LTDA 8.35 16.38

3 INGESA S.A. 7.30 14.54

4 KIMBERLY - CLARK ECUADOR S.A. 6.34 9.83

5 LEVAPAN DEL ECUADOR SA 5.77 9.25

6 FABRICA JURIS CIA LTDA 3.11 2.41

7 FIBROACERO S.A. 0.31 7.43

8 ALIMENTOS ECUATORIANOS SA ALIMEC -2.91 -8.72

9 INDUSTRIA ECUATORIANA DE CABLES INCABLE S.A. -3.88 -6.01

10 TECNOPLAST DEL ECUADOR CIA LTDA -4.04 -2.82

11 SIGMAPLAST S.A. -5.26 -6.39

12 ELABORADOS CARNICOS SA ECARNI -8.44 -10.83

13 TUBERIA GALVANIZADA ECUATORIANA S.A. -15.26 -12.52

14 PLASTIEMPAQUES S.A. -20.19 -10.74


Elaboración: Autor

2.6.3.5 CONSTRUCCIÓN DEL TERMÓMETRO DE INSOLVENCIA PARA EL SEGMENTO “GRANDES EMPRESAS” PARA LOS AÑOS 2006 Y 2009

Se han obtenido las funciones discriminantes para las grandes empresas en los

años de estudio, sin embargo, para mejorar la interpretación de la información

obtenida se procede a construir un “termómetro de insolvencia”, esto ayudará a la

creación de “bandas” de solvencia, las cuales permitirán visualizar de forma más

67

Ver Anexo 8 (puntuaciones discriminantes del indicador de quiebra, grandes, medianas y pequeñas empresas, años 2006 y 2009)

72

simple la situación de determinada empresa68. Así mismo, cabe recalcar que, a

pesar de ser muy evidente, una vez que cada una de las variables de estudio

cumplió normalidad como requisito previo a la realización del análisis

discriminante, así también, las variables resultantes a manera de puntuaciones

discriminantes (solventes e insolventes) también siguen una distribución normal69.

Así, el “termómetro de insolvencia” de las grandes empresas que se desarrolla en

esta investigación, es construido a partir de la información de las dos

distribuciones obtenidas a partir de las puntuaciones discriminantes calculadas

(solventes e insolventes).

Figura 15. Desarrollo del termómetro de insolvencia , segmento grandes empresas, año 2006


Elaboración: Autor

La figura 15 es una representación gráfica previa a la creación del “termómetro de

insolvencia” para las grandes empresas al año 2006, en la misma se puede

observar que el punto 0.00 es el punto crítico, es decir, el punto de referencia

68

El termómetro de insolvencia de Kanitz, utilizado para prever la insolvencia de las empresas, fue uno de los modelos pioneros en Brasil en la década de los años 70, éste muestra un termómetro que indica tres situaciones diferentes Solvente, Penumbra e Insolvente; este apartado se basará en el mismo. 69

Ver Anexo 9 (pruebas de normalidad de las puntuaciones discriminantes de los indicadores de quiebra, años 2006 y 2009)

73

sobre el cual las empresas son clasificadas como “solventes” y bajo el cual las

empresas son clasificadas como “insolventes”.

Tomando en cuenta el centroide de cada grupo (solvente e insolvente), con su

respectiva desviación estándar, se obtiene una zona, la cual será denominada

“penumbra” (entre -2.12 y 4.27), así, las empresas “insolventes” que caigan en la

“penumbra” [-2.12 , 0.00] tienen la posibilidad de convertirse con el tiempo en

“solventes”, mientras que las empresas “solventes” que caigan en la “penumbra”

[0.00 , 4.27] corren el riesgo de convertirse con el tiempo en “insolventes”.

Así mismo, en la figura 16, se generan varias zonas de riesgo, las cuales permiten

describir a una empresa grande.

Figura 16. Termómetro de insolvencia, segmento gran des empresas, año 2006


Elaboración: Autor

Tal como lo muestra la figura 16, existen cinco zonas que delimitan el riesgo de

quiebra para el año 2006:

• Índice menor a -11.26, “Riesgo muy alto de insolvencia”,

• Índice entre -11.26 y -2.12, “Riesgo alto de insolvencia”,

• Índice entre -2.12 y 4.27, “Zona de penumbra”,

• Índice entre 4.27 y 9.11, “Riesgo bajo de insolvencia”, y

• Índice mayor a 9.11, “Riesgo muy bajo de insolvencia”

74

Figura 17. Desarrollo del termómetro de insolvencia , segmento grandes empresas, año 2009


Elaboración: Autor


insolvencia” para las grandes empresas al año 2009, en la misma se puede

observar que el punto 0.00 es el punto crítico, donde, por sobre éste las empresas

son clasificadas como “solventes” y bajo éste las empresas son clasificadas como

“insolventes”.



“penumbra” (entre -5.68 y 3.70), así, aquellas empresas “insolventes” que caigan

en la “penumbra” [-5.68 , 0.00] tienen la posibilidad de convertirse con el tiempo en

“solventes”, mientras que aquellas empresas “solventes” que caigan en la

“penumbra” [0.00 , 3.70] corren el riesgo de convertirse con el tiempo en

“insolventes”.


describir a una empresa grande.

75

Figura 18. Termómetro de insolvencia, segmento gran des empresas, año 2009


Elaboración: Autor

La figura 18 muestra que existen cinco zonas que delimitan el riesgo de quiebra

para el año 2009:







PARA EL SEGMENTO “MEDIANAS EMPRESAS” A LOS AÑOS

2006 Y 2009






76

2.6.4.1 ANÁLISIS DE NORMALIDAD DEL SEGMENTO “MEDIANAS EMPRESAS” AÑOS 2006 Y 2009



2006 el grupo de “solventes” cuenta con una variable “no normal” (rentabilidad

neta de ventas [margen neto]) y el grupo de “insolventes a su vez cuenta con una

variable “no normal” (rentabilidad operacional del patrimonio), por lo cual se

procedió a realizar una transformación del tipo ln(x+1), así las 17 variables

involucradas cumplieron normalidad y por tanto se trabajó con todas ellas.

Para el año 2009, el grupo de “solventes” presentó normalidad en todas y cada

una de sus variables, no así el grupo de “insolventes”, donde cuatro variables

resultaron “no normales”70 (endeudamiento patrimonial, endeudamiento del activo

fijo, apalancamiento y rotación del activo fijo); por esta razón se procedió a realizar

una transformación del tipo ln(x+1), así 15 variables cumplieron normalidad y con

ellas se trabajó, descartando las variables endeudamiento patrimonial y

apalancamiento, las cuales se mantuvieron como “no normales”71 a pesar de las

transformaciones realizadas.

2.6.4.2 ANÁLISIS DE HOMOCEDASTICIDAD DEL SEGMENTO “MEDIANAS EMPRESAS” AÑO 2006 Y 2009.

Tanto para el año 2006 como para el año 2009 en este segmento de empresas, la

hipótesis de homocedasticidad contrastada con la M de Box, no pasa la prueba

para asegurar que la matriz de covarianzas es igual en los dos grupos72; antes ya

se mencionó que esta prueba es muy exigente y sensible al contraste de

normalidad y que su consecución es complicada al trabajar con indicadores

financieros.

70

Ver anexo 3 (pruebas de normalidad de los datos originales, indicador de quiebra) 71



77

2.6.4.3 ANÁLISIS DE DIFERENCIA DE MEDIAS DEL SEGMEN TO “MEDIANAS EMPRESAS” AÑOS 2006 Y 2009

En función de los resultados obtenidos en el SPSS, se prueba el nivel de

significación crítico de la Chi – cuadrado, el cual es de 0.00 en los dos años73,

tanto para el año 2006 como para el año 2009, dados estos resultados se procede

a rechazar la hipótesis de igualdad entre los dos vectores de medias, así, las

variables, a nivel global ejercen un efecto significativo, medido a través de la

función discriminante.


resultado el uso de las variables74:

• Endeudamiento Patrimonial,

• Apalancamiento y;

• Rotación de Ventas


resultantes fueron:

• Liquidez Corriente,

• Rentabilidad Neta del Activo (du Pont) y;

• Rentabilidad Financiera




2006 como para el año 2009 se contrastan, obteniendo como resultado que sí son

importantes (<0.05)75, salvo la variable rotación de ventas, que en el 2006 obtuvo

una significación de 0.25, sin embargo, no deja de ser importante en el análisis en

conjunto con las otras dos variables utilizadas en el mencionado año.

73

Ver Anexo 6 (pruebas de igualdad global de las medias de los grupos, indicador de quiebra, años 2006 y 2009) 74

Se realizó un análisis discriminante por etapas. 75 Ver Anexo 7 (pruebas de igualdad de las medias de los grupos, indicador de quiebra, años 2006 y 2009)

78








función es importante.

Tabla 19. Autovalores de las funciones discriminant es de quiebra, segmento medianas empresas, años 2006 y 2009

AÑO Autovalor % de

varianza

%

acumulado

Correlación

canónica

2006 6.749a 100.0 100.0 0.933

2009 1.954a 100.0 100.0 0.813

a. Se han empleado las 1 primeras funciones discriminantes canónicas en el análisis.


Elaboración: Autor




Tabla 20. Correlaciones intra – grupos de las funci ones discriminantes de quiebra, segmento medianas empresas, años 2006 y 2009

RATIO AÑO

2006 RATIO

AÑO

2009

ENDEUDAMIENTO PATRIMONIAL 0.717 RENTABILIDAD NETA

DEL ACTIVO (DU PONT) 0.688

APALANCAMIENTO 0.651 LIQUIDEZ CORRIENTE 0.562

ROTACIÓN DE VENTAS -0.050 RENTABILIDAD FINANCIERA 0.329

Correlaciones intra-grupo combinadas entre las variables discriminantes y las funciones discriminantes

canónicas tipificadas

Variables ordenadas por el tamaño de la correlación con la función.


Elaboración: Autor

79


variables utilizadas en el análisis, donde, para el año 2006 el “Endeudamiento

Patrimonial” tiene mayor poder discriminatorio que el “Apalancamiento” y que la

“Rotación de Ventas” (inverso); mientras que para el año 2009, la “Rentabilidad

Neta del Activo (du Pont)” tiene un mayor poder discriminatorio, seguido de la

“Liquidez Corriente” y de la “Rentabilidad Financiera”.

Tabla 21. Resultados de la clasificación, segmento medianas empresas, año 2006

BIN SOLV. INS. END


pronosticado

Total

0 1

Original

Recuento 0 39 0 39

1 0 40 40

% 0 100.0 0.0 100.0

1 0.0 100.0 100.0

Validación

cruzadab

Recuento 0 39 0 39

1 0 40 40

% 0 100.0 0.0 100.0

1 0.0 100.0 100.0


b. Clasificados correctamente el 100.0% de los casos agrupados validados mediante validación cruzada.


Elaboración: Autor




correctamente para el año 2006 es del 100% tanto para la validación original como

para la validación cruzada, tal y como se puede apreciar en la tabla 21.

80


BIN SOLV. INS. END


pronosticado Total

0 1

Original

Recuento 0 39 0 39

1 4 36 40

% 0 100.0 0.0 100.0

1 10.0 90.0 100.0

Validación

cruzadab

Recuento 0 39 0 39

1 4 36 40

% 0 100.0 0.0 100.0

1 10.0 90.0 100.0


b. Clasificados correctamente el 94.9% de los casos agrupados validados mediante validación cruzada.


Elaboración: Autor

El porcentaje de casos clasificados correctamente para el año 2009 es del 94.9%


puede apreciar en la tabla 22, en donde cuatro empresas que inicialmente se

catalogaron como “solventes”, han sido ahora apuntadas como “insolventes”.


coeficientes discriminantes de Fisher se encuentran en las tablas 23 y 24

respectivamente.

76


81

Tabla 23. Coeficientes de las funciones canónicas d iscriminantes, segmento medianas empresas, años 2006 y 2009

Variables AÑO

2006 2009

ENDEUDAMIENTO PATRIMONIAL 28.883 ---

APALANCAMIENTO -32.832 ---

ROTACIÓN DE VENTAS -2.002 ---

LIQUIDEZ CORRIENTE --- 2.574

RENTABILIDAD NETA DEL ACTIVO (DU PONT) --- 45.646

RENTABILIDAD FINANCIERA --- -15.752

(Constante) 17.375 -3.340



Elaboración: Autor

Tabla 24. Coeficientes de las funciones discriminan tes lineales de Fisher, segmento medianas empresas, años 2006 y 2009.

Variables AÑO

2006 2009

ENDEUDAMIENTO PATRIMONIAL -148.17 ---

APALANCAMIENTO 168.43 ---

ROTACIÓN DE VENTAS 10.27 ---

LIQUIDEZ CORRIENTE --- 7.11



(Constante) -88.97 -9.17



Elaboración: Autor


clasificación discriminante quedan determinadas de la siguiente manera77:

77

EP = Endeudamiento Patrimonial; AP = Apalancamiento; RV = Rotación de Ventas; LC = Liquidez Corriente; RNA = Rentabilidad Neta del Activo (Du Pont); RF = Rentabilidad Financiera.

82

• Año 2006

� � 88.97 148.17 �� 168.43 �� 10.27 �� (2.22)

• Año 2009

� � 9.17 � 7.11 �H � 125.99 �� 43.48 �L (2.23)

Se utilizan las ecuaciones 2.22 y 2.23, que son las funciones discriminantes de

Fisher en cada año, para obtener cada una de las puntuaciones discriminantes,

correspondientes a cada empresa; en general se observa que si una empresa

obtiene una puntuación negativa, ésta podría ser una empresa catalogada como

“insolvente”, mientras que si una empresa tiene una puntuación positiva, ésta

podría ser una empresa catalogada como “solvente”. Estas puntuaciones

discriminantes se encuentran entre -20.97 y 31.03 para el año 2006, mientras que

para el año 2009 se encuentran entre -8.86 y 15.19, siendo estos los extremos

discriminantes tanto para las empresas “insolventes” como para las “solventes”

respectivamente78. La tabla 25 representa una muestra del 20% de las empresas

utilizadas en esta investigación con sus respectivas puntuaciones discriminantes

en los años de estudio.

78

Ver Anexo 8 (puntuaciones discriminantes del indicador de quiebra, grandes, medianas y pequeñas empresas, años 2006 y 2009)

83

Tabla 25. Muestra de las puntuaciones discriminante s del indicador de quiebra segmento medianas empresas, años 2006 y 2009

PUNTUACIÓN

DISCRIMINANTE


1 TEXTILES DEL PACIFICO TEXPAC CIA LTDA 17.28 6.95

2 HORMIGONES Y PISOS HORMIPISOS C.LTDA. 16.24 4.31

3 RENOVALLANTA S.A. 15.84 6.13

4 PLASTICOS PARA BANANO BANAPLAST S.A. 14.84 2.11

5 INDECAUCHO C LTDA 10.54 3.72

6 LA INDUSTRIA HARINERA SA LAIHA 8.36 5.15

7 INDUTORRES S.A. 7.07 -5.70

8 ASTRA C.A. 2.93 2.04

9 INDUSTRIA PERFECTOPLAST SA -7.22 -0.88

10 EDITORIAL EDINACHO SA -10.14 3.07

11 PROINDUSQUIM S.A. -10.97 -2.91

12 COMPANIA ANONIMA INVEDELCA -11.36 -3.82

13 INDUSTRIA PLASTICA SA INPLASA -12.76 -4.43

14 VIKINGOTEC S.A. -13.48 -3.22

15 TENERIA SAN JOSE C LTDA -15.56 -3.61

16 HOLVIPLAS S.A. -18.06 -4.35


Elaboración: Autor

2.6.4.4 CONSTRUCCIÓN DEL TERMÓMETRO DE INSOLVENCIA PARA EL SEGMENTO “MEDIANAS EMPRESAS” PARA LOS AÑOS 2006 Y 2009

Se han obtenido las funciones discriminantes para las medianas empresas en los

años de estudio, ahora, para mejorar la interpretación de la información obtenida

se procede a construir un “termómetro de insolvencia”, el cual ayudará a la

creación de “bandas” de solvencia, permitiendo visualizar de forma más simple la

situación de determinada empresa. Así mismo, cabe recalcar que, a pesar de ser

muy evidente, una vez que cada una de las variables de estudio cumplió

normalidad como requisito previo a la realización del análisis discriminante, así

84

también, las variables resultantes a manera de puntuaciones discriminantes

(solventes e insolventes) también siguen una distribución normal79.

Así, el “termómetro de insolvencia” de las medianas empresas que se desarrolla

en esta investigación, es construido a partir de la información de las dos

distribuciones obtenidas en base a las puntuaciones discriminantes calculadas


Figura 19. Desarrollo del termómetro de insolvencia , segmento medianas empresas, año 2006


Elaboración: Autor


insolvencia” para las medianas empresas al año 2006, en la misma se puede






79


85


“penumbra” [-9.41 , 0.00] tienen una buena posibilidad de convertirse con el

tiempo en “solventes”, mientras que las empresas “solventes” que caigan en la


“insolventes”.


describir a una empresa mediana.

Figura 20. Termómetro de insolvencia, segmento medi anas empresas, año 2006


Elaboración: Autor








86

Figura 21. Desarrollo del termómetro de insolvencia , segmento medianas empresas, año 2009


Elaboración: Autor


insolvencia” para las medianas empresas al año 2009, en la misma se puede



“insolventes”.




en la “penumbra” [-2.00 , 0.00] tienen una buena posibilidad de convertirse con el

tiempo en “solventes”, mientras que aquellas empresas “solventes” que caigan en

la “penumbra” [0.00 , 0.55] corren el riesgo de convertirse con el tiempo en

“insolventes”.



87

Figura 22. Termómetro de insolvencia, segmento medi anas empresas, año 2009


Elaboración: Autor


para el año 2009:







PARA EL SEGMENTO “PEQUEÑAS EMPRESAS” A LOS AÑOS

2006 Y 2009






88

2.6.5.1 ANÁLISIS DE NORMALIDAD DEL SEGMENTO “PEQUEÑAS EMPRESAS” AÑO 2006 Y 2009.



2006 el grupo de “solventes” cuenta con una variable “no normal” (impacto de la

carga financiera) y el grupo de “insolventes” a su vez cuenta con dos variables “no

normales”80 (rotación de cartera y rentabilidad neta del activo [du pont]), por lo cual

se procedió a realizar una transformación del tipo ln(x+1), así 15 variables

cumplieron normalidad y con ellas se trabajó, descartando las variables impacto

de la carga financiera y rentabilidad neta del activo (du pont), las cuales se

mantuvieron como “no normales”81 a pesar de las transformaciones realizadas.

Para el año 2009, el grupo de “solventes” cuenta con cuatro variables “no

normales” (endeudamiento del activo fijo, rotación de cartera, rotación del activo

fijo e impacto de la carga financiera) y el grupo de “insolventes” a su vez cuenta

con tres variables que resultaron “no normales”82 (apalancamiento financiero,

rotación del activo fijo e impacto de la carga financiera); por esta razón se procedió

a realizar una transformación del tipo ln(x+1), así 16 variables cumplieron

normalidad y con ellas se trabajó, descartando la variable impacto de la carga

financiera, la cual se mantuvo como “no normal”83 a pesar de las transformaciones

realizadas.

2.6.5.2 ANÁLISIS DE HOMOCEDASTICIDAD DEL SEGMENTO “PEQUEÑAS EMPRESAS” AÑO 2006 Y 2009




se mencionó que esta prueba es muy exigente y sensible al contraste de 80






89


financieros.

2.6.5.3 ANÁLISIS DE DIFERENCIA DE MEDIAS DEL SEGMEN TO “PEQUEÑAS EMPRESAS” AÑOS 2006 Y 2009








resultado el uso de las variables86:

• Liquidez Corriente,


• Endeudamiento del Activo Fijo,

• Apalancamiento,

• Rotación de Cartera y;

• Margen Bruto


resultantes fueron:


• Apalancamiento,

• Rentabilidad Neta del Activo (du Pont) y;

• Rentabilidad Financiera

85

Ver Anexo 6 (pruebas de igualdad global de las medias de los grupos, indicador de quiebra, años 2006 y 2009) 86 Se realizó un análisis discriminante por etapas.

90













función es importante.

Tabla 26. Autovalores de las funciones discriminant es de quiebra, segmento pequeñas empresas, años 2006 y 2009

AÑO Autovalor % de

varianza

%

acumulado

Correlación

canónica

2006 7.281a 100.0 100.0 .938

2009 3.226a 100.0 100.0 .874


análisis.


Elaboración: Autor




87 Ver Anexo 7 (pruebas de igualdad de las medias de los grupos, indicador de quiebra, años 2006 y 2009)

91

Tabla 27. Correlaciones intra – grupos de las funci ones discriminantes de quiebra, segmento pequeñas empresas, años 2006 y 2009

RATIO AÑO 2006 RATIO AÑO 2009

ENDEUDAMIENTO

PATRIMONIAL 0.653

ENDEUDAMIENTO

PATRIMONIAL 0.767

APALANCAMIENTO 0.611 APALANCAMIENTO 0.724

ENDEUDAMIENTO DEL

ACTIVO FIJO -0.449

RENTABILIDAD NETA DEL

ACTIVO (DU PONT) -0.516

LIQUIDEZ CORRIENTE -0.196 RENTABILIDAD

FINANCIERA -0.342

ROTACIÓN DE CARTERA 0.171

MARGEN BRUTO -0.112

Correlaciones intra-grupo combinadas entre las variables discriminantes y las funciones

discriminantes canónicas tipificadas



Elaboración: Autor


variables utilizadas en el análisis, donde, para el año 2006 el “Endeudamiento

Patrimonial” tiene mayor poder discriminatorio que el “Apalancamiento” y que el

“Endeudamiento del Activo Fijo” (inverso) y el resto de variables de este año;

mientras que para el año 2009, el “Endeudamiento Patrimonial” tiene un mayor

poder discriminatorio, seguido del “Apalancamiento” y de la “Rentabilidad Neta del

Activo (du Pont)” y la “Rentabilidad Financiera” en forma inversa.

92

Tabla 28. Resultados de la clasificación, segmento pequeñas empresas, año 2006

BIN SOLV. INS. END


pronosticado Total

0 1

Original

Recuento 0 40 1 41

1 0 41 41

% 0 97.6 2.4 100.0

1 0.0 100.0 100.0

Validación

cruzadab

Recuento 0 40 1 41

1 0 41 41

% 0 97.6 2.4 100.0

1 0.0 100.0 100.0


b. Clasificados correctamente el 98.8% de los casos agrupados validados mediante

validación cruzada.


Elaboración: Autor




correctamente para el año 2006 es del 98.8% tanto para la validación original

como para la validación cruzada, tal y como se puede apreciar en la tabla 28, en

donde una empresa que inicialmente se catalogó como “insolvente”, ha sido ahora

apuntada como “solvente”.

93


BIN SOLV. INS. END


pronosticado Total

0 1

Original

Recuento 0 41 0 41

1 1 40 41

% 0 100.0 0.0 100.0

1 2.4 97.6 100.0

Validación

cruzadab

Recuento 0 41 0 41

1 1 40 41

% 0 100.0 0.0 100.0

1 2.4 97.6 100.0


b. La validación cruzada sólo se aplica a los casos del análisis. En la validación

cruzada, cada caso se clasifica mediante las funciones derivadas a partir del

resto de los casos.

c. Clasificados correctamente el 98.8% de los casos agrupados validados

mediante validación cruzada.


Elaboración: Autor



puede apreciar en la tabla 29, en donde una empresa que inicialmente se catalogó

como “solvente”, ha sido ahora apuntada como “insolvente”.



respectivamente.

88


94

Tabla 30. Coeficientes de las funciones canónicas d iscriminantes, segmento pequeñas empresas, años 2006 y 2009

Variables AÑO

2006 2009

LIQUIDEZ CORRIENTE 1.826 ---

ENDEUDAMIENTO PATRIMONIAL 33.310 25.908

ENDEUDAMIENTO DEL ACTIVO FIJO -2.113 ---

APALANCAMIENTO -39.416 -28.148

ROTACIÓN DE CARTERA 0.669 ---

MARGEN BRUTO 2.729 ---



(Constante) 17.176 12.899



Elaboración: Autor

Tabla 31. Coeficientes de las funciones discriminan tes lineales de Fisher, segmento pequeñas empresas, años 2006 y 2009

Variables AÑO

2006 2009

LIQUIDEZ CORRIENTE -9.73 ---

ENDEUDAMIENTO PATRIMONIAL -177.56 -91.93

ENDEUDAMIENTO DEL ACTIVO FIJO 11.26 ---

APALANCAMIENTO 210.11 99.88

ROTACIÓN DE CARTERA -3.56 ---

MARGEN BRUTO -14.55 ---

RENTABILIDAD NETA DEL ACTIVO (DU PONT) --- -78.76

RENTABILIDAD FINANCIERA --- 59.28

(Constante) -91.56 -45.77



Elaboración: Autor

95


clasificación discriminante queda determinada de la siguiente manera89:

• Año 2006

� � 91.56 9.73 �H 177.56 �� 11.26 ��L � 210.11 �� 3.56 �H 14.55 ��

(2.24)

• Año 2009

� � 45.77 91.93 �� 99.88 �� 78.76 �� 59.28 �L (2.25)


Fisher de cada año, para obtener cada una de las puntuaciones discriminantes,

correspondientes a cada empresa del segmento pequeñas empresas; en general

se observa que si una empresa obtiene una puntuación negativa, ésta podría ser

una empresa catalogada como “insolvente”, mientras que si una empresa tiene

una puntuación positiva, ésta podría ser una empresa catalogada como “solvente”.



estos los extremos discriminantes tanto para las empresas “insolventes” como

para las “solventes” respectivamente90.

La tabla 32 representa una muestra del 20% de las empresas utilizadas en esta

investigación con sus respectivas puntuaciones discriminantes en los años de

estudio.

89

LC = Liquidez Corriente; EP = Endeudamiento Patrimonial; EAF = Endeudamiento del Activo Fijo; AP = Apalancamiento; RC = Rotación de Cartera; MB = Margen Bruto; RNA = Rentabilidad Neta del Activo (Du Pont); RF = Rentabilidad Financiera. 90

Ver Anexo 8 (puntuaciones discriminantes del índice de quiebra, grandes, medianas y pequeñas empresas, años 2006 y 2009)

96

Tabla 32. Muestra de las puntuaciones discriminante s del indicador de quiebra segmento pequeñas empresas, años 2006 y 2009

PUNTUACIÓN

DISCRIMINANTE


1 INDUSTRIAS OZZ S.A. 22.98 -2.34

2 CEPOLFI INDUSTRIAL C.A. 21.75 14.07

3 PANIFICADORA LA CANASTA PANCASA SA 15.81 9.46

4 INDUSTRIAS DE CAUCHO Y METAL SA INCAME 15.12 -8.25

5 ECUAROLLERS ECUATORIANA DE RODILLOS CIA. LTDA. 9.26 5.07

6 BOTOPERLA S.A. 7.46 5.59

7 FUNDIMEGA SA 6.04 -3.09

8 SUPER CAUCHOS WALDORIJ COMPAÑIA LIMITADA 5.95 7.97

9 INDUSTRIA DE FORMAS METALICAS METFOR C. LTDA. 5.62 3.79

10 REX PLASTICS S.A. 0.75 -3.06

11 PUNTO CALIENTE S.A. PUNCALSA -8.94 3.22

12 SERVICIOS Y SUMINISTROS INDUSTRIALES H.H.B. CIA. LTDA. -13.82 14.34

13 MANUFACTURAS PLASTICAS MANUPLAST C LTDA -15.81 -0.89

14 KORES DEL ECUADOR SA -15.84 1.32

15 SUELAS AMAZONAS S.A. -17.87 8.19

16 MANUFACTURAS DE CUERO CALZAFER CIA. LTDA. -18.31 -12.38


Elaboración: Autor

2.6.5.4 CONSTRUCCIÓN DEL TERMÓMETRO DE INSOLVENCIA PARA EL SEGMENTO “PEQUEÑAS EMPRESAS” PARA LOS AÑOS 2006 Y 2009

Se han obtenido las funciones discriminantes para las pequeñas empresas en los


se procede a construir un “termómetro de insolvencia”, el cual ayudará a la

creación de “bandas” de solvencia, permitiendo visualizar de forma más simple la

situación de determinada empresa. Así mismo, cabe recalcar que, a pesar de ser

muy evidente, una vez que cada una de las variables de estudio cumplió


97


(solventes e insolventes) también siguen una distribución normal91.

Así, el “termómetro de insolvencia” de las pequeñas empresas que se desarrolla




Figura 23. Desarrollo del termómetro de insolvencia , segmento pequeñas empresas, año 2006


Elaboración: Autor


insolvencia” de las pequeñas empresas al año 2006, en la misma se puede






91


98


“penumbra” [-9.32 , 0.00] tienen una buena posibilidad de convertirse con el

tiempo en “solventes”, mientras que las empresas “solventes” que caigan en la


“insolventes”.


describir a una empresa pequeña.

Figura 24. Termómetro de insolvencia, segmento pequ eñas empresas, año 2006


Elaboración: Autor








99

Figura 25. Desarrollo del termómetro de insolvencia , segmento pequeñas empresas, año 2009


Elaboración: Autor


insolvencia” de las pequeñas empresas al año 2009, en la misma se puede



“insolventes”.




en la “penumbra” [-2.91 , 0.00] tienen una buena posibilidad de convertirse con el

tiempo en “solventes”, mientras que aquellas empresas “solventes” que caigan en

la “penumbra” [0.00 , 2.64] corren el riesgo de convertirse con el tiempo en

“insolventes”.


describir a una empresa pequeña.

100

Figura 26. Termómetro de insolvencia, segmento pequ eñas empresas, año 2009


Elaboración: Autor


para el año 2009:




• Índice entre 2.64 y 9.96, “Riesgo bajo de insolvencia”, e


2.6.6 DETERMINANTES DE INSOLVENCIA DE LAS EMPRESAS DE LA

INDUSTRIA MANUFACTURERA

Esta parte tiene por objetivo determinar las razones particulares por las cuales las

empresas con las peores puntuaciones discriminantes se encuentran en esta

condición, para este cometido la tabla 33 muestra la información necesaria para

hacer este análisis en los diferentes segmentos de estudio, conteniendo

información de las cinco empresas con las peores condiciones en cada año.

101

Tabla 33. Muestra de las puntuaciones discriminante s del indicador de quiebra de las empresas con mayores problemas de solvencia, añ os 2006 y 2009

GRANDES MEDIANAS PEQUEÑAS

CASO 2006 2009 CASO 2006 2009 CASO 2006 2009

G1 -129.31 -8.57 M1 -7.72 -15.51 P1 -20.98 -12.77

G2 -120.90 -11.53 M2 -19.12 9.39 P2 -13.06 -14.39

G3 -54.85 -12.82 M3 -21.76 -3.34 P3 -27.94 2.71

G4 -72.51 -12.34 M4 -15.45 -20.35 P4 -23.71 -3.22

G5 -78.74 -10.50 M5 -8.79 -16.07 P5 -31.65 4.10

G6 -6.68 -12.87 M6 -10.92 -15.96 P6 -22.34 -7.41

G7 -268.15 -11.23 M7 9.28 -31.83 P7 -13.73 -17.38

G8 -36.68 -12.61 M8 -19.61 -2.78 P8 -35.94 -3.23

G9 -60.97 -13.05 M9 -19.83 -3.32 P9 -12.55 -13.63

G10 -8.66 -12.54 M10 -20.24 -3.54 P10 16.73 -12.97


Elaboración: Autor

2.6.6.1 DETERMINANTES DE INSOLVENCIA DE LAS GRANDES

EMPRESAS DE LA INDUSTRIA MANUFACTURERA

En el caso de las grandes empresas, lo que primero se denota es que todos los

casos son de “insolvencia” en ambos años, el caso “G7” es el peor de todos en el

año 2006, donde su caso se explica principalmente por el alto apalancamiento y

su muy baja rentabilidad neta del activo (du Pont)92, puesto que el “efecto de

palanca” que crea el apalancamiento sólo es procedente si la rentabilidad del

capital invertido es superior al costo de los capitales prestados, éste es el caso

que se generaliza para el resto de casos, con la diferencia relativa en sus

indicadores.

Para el año 2009, el caso “G9” es el que resalta por su menor puntuación

discriminante en este año, debido principalmente por su poca capacidad de

gestión de la liquidez, pues es de los que menor prueba ácida93 posee, lo que

92

Recordar que el indicador de quiebra para las grandes empresas, al año 2006 se basa en las variables: “Apalancamiento” y “Rentabilidad Neta del Activo [Du Pont]” 93

Recordar que el indicador de quiebra para las grandes empresas, al año 2009 se basa en las variables: “Prueba Ácida”, “Endeudamiento Patrimonial” y “Apalancamiento”

102

conlleva a ser muy proclive a ser “insolvente”, y en general esta es la

caracterización del resto de empresas que están en este grupo.

2.6.6.2 DETERMINANTES DE INSOLVENCIA DE LAS MEDIANA S


Para el año 2006 el caso “M3” es el que peor condición muestra, siendo explicado

principalmente por el comportamiento en su rotación de ventas, puesto que es la

empresa que menor valor tiene en este componente, y a medida que una empresa

es mejor en este grupo, es precisamente el componente rotación de ventas el que

se mantiene creciente para hacer esto posible94.

Para el año 2009 el caso “M7” es el que presenta la puntuación discriminante más

baja entre las medianas empresas, principalmente por su baja rentabilidad neta

del activo (du Pont), y su alta rentabilidad financiera95, y en general el

comportamiento es que mientras menor sea la rentabilidad neta del activo y mayor

la rentabilidad financiera, mayor será la posibilidad de ser “insolvente”,

principalmente porque es más importante la capacidad que tiene el activo para

producir utilidades, no siendo trascendental la capacidad de liquidez para el caso

de estas empresas en mal estado. Es importante destacar que el caso “M7” es un

caso particular, pues al año 2006 era considerada “solvente”, no así en el año

2009, pues cambió mucho en este tiempo, reduciendo su rotación de ventas

alrededor de cuatro veces, y su rentabilidad neta del activo (du Pont) alrededor de

2 veces, incrementando su rentabilidad financiera alrededor de 7 veces,

determinantes que muestran claramente el contraste que ha tenido esta empresa

entre el 2006 y el 2009.

94

Recordar que el indicador de quiebra para las medianas empresas, al año 2006 se basa en las variables: “Endeudamiento Patrimonial”, “Apalancamiento” y “Rotación de Ventas” 95

Recordar que el indicador de quiebra para las medianas empresas, al año 2009 se basa en las variables: “Liquidez Corriente”, “Rentabilidad Neta del Activo [Du Pont]” y “Rentabilidad Financiera”

103

2.6.6.3 DETERMINANTES DE INSOLVENCIA DE LAS PEQUEÑA S


El caso “P8” es el caso más complicado entre las pequeñas empresas de la

muestra al año 2006, teniendo la peor puntuación discriminante de la muestra,

principalmente explicado por su atípica rotación de cartera, la cual es

extremadamente alta, aun así es muy difícil explicar una tendencia del

comportamiento de este grupo de empresas, pues no siguen un patrón entre las

variables utilizadas en el análisis discriminante96.

Para el año 2009 el caso “P7” es el que presenta la menor puntuación

discriminante de la muestra, principalmente porque es la empresa que menor

rentabilidad neta del activo y rentabilidad financiera ostenta, a diferencia del resto

de empresas de la muestra, las cuales a medida que presentan una mejora, se

evidencia precisamente en un aumento de los componentes de rentabilidad antes

mencionados97.

A través del tiempo medir la solvencia de las empresas se fue volviendo

importante, así los primeros estudios con análisis matemático y estadístico

aparecieron con modelos univariantes y multivariantes, entre ellos el análisis

discriminante, para luego manejar modelos más complejos como los Logit, Probit o

de Inteligencia Artificial, sin embargo, las herramientas pueden ser consideradas

en diferentes investigaciones, de acuerdo a las condiciones y realidades propias

del entorno, en este sentido, la utilización de alguna de las diferentes técnicas

dependerá del cumplimiento de restricciones, de la información disponible, del

software y/o de la metodología, sin dejar de lado los resultados que se deseen

obtener.

96

Recordar que el indicador de quiebra de las pequeñas empresas, al año 2006 se basa en las variables: “Liquidez Corriente”, “Endeudamiento Patrimonial”, “Endeudamiento del Activo Fijo”, “Apalancamiento”, “Rotación de Cartera” y “Margen Bruto” 97

Recordar que el indicador de quiebra de las pequeñas empresas, al año 2009 se basa en las variables: “Endeudamiento Patrimonial”, “Apalancamiento”, “Rentabilidad Neta del Activo [du Pont]” y “Rentabilidad Financiera”

104

La posibilidad de predecir la insolvencia empresarial es un tema que seduce a

diferentes regiones del mundo, tal como es el caso de Latinoamérica, donde se

han elaborado diferentes modelos de riesgo de crédito básico, modelos Logit,

modelos Probit, Redes Neuronales, entre otros, permitiendo llegar a conclusiones

tales como que los resultados muestran que el Modelo de Redes Neuronales es

superior en comparación con la Regresión Logística y el Análisis Discriminante,

mas estos últimos permiten explicar el fenómeno, lo que significa la identificación

de la variables que mejor explican el tema.

El comportamiento que puedan tener las empresas de un sector productivo en

específico no necesariamente se puede explicar en forma general para todas las

empresas que conforman el sector, es así que la particularización de las empresas

a través de segmentos empresariales (grandes, medianas y pequeñas empresas)

permite visualizar las diferencias que tienen empresas que pertenecen a un mismo

sector económico, pero con diferente naturaleza en cuanto a su tamaño y

constitución.

105

CAPITULO III

INDICADOR DE PRODUCTIVIDAD EMPRESARIAL DEL SECTOR “D”, “INDUSTRIAS MANUFACTURERAS” EN EL ECUADOR

3.1 MARCO TEÓRICO

3.1.1 DEFINICIONES BÁSICAS

Para un mejor acercamiento y entendimiento de lo que comprende a la

productividad empresarial, es necesario definir algunos conceptos básicos que

puedan ayudar el entendimiento del tema en su conjunto.

3.1.1.1 PRODUCCIÓN

Es la transformación de un bien con el objeto de incrementar su utilidad o de

adecuarlo para su consumo. Tipos de transformaciones o procesos productivos:

Materiales: mediante los cuales se obtiene un bien a partir de otro como la

fabricación.

Espaciales: son los bienes que están disponibles en un lugar, y se ponen a

disposición de otros en un lugar diferente, como el transporte.

Temporales: que son los bienes disponibles en un momento dado, se hacen

disponibles en otro momento posterior, como es el caso del almacenamiento.

Formales: proceso en el que un bien disponible de una forma, se hace disponible

de otra como el caso del comercio.

Inmateriales: transformaciones referidas a la creación de servicios como las

actividades bancarias.98

3.1.1.2 PRODUCTIVIDAD

Según el diccionario de la lengua española (vigésima segunda edición), la

productividad es la cualidad de productivo, y se define como la “relación entre lo

98 Enciclopedia Estudiantil. Edición 1999. G.F. Printing. Madrid, España

106

producido y los medios empleados, tales como mano de obra, materiales, energía,

etc.” Así, se puede también considerar a la productividad en relación al tiempo

utilizado y los resultados obtenidos de alguna producción, pues en cuanto menor

sea el tiempo que lleve obtener el resultado programado, entonces más productivo

será el sistema de producción utilizado; un acercamiento adicional es el que

concibe a la productividad como un indicador de eficiencia, el cual relaciona los

recursos utilizados con la cantidad de producción obtenido; en este sentido es que

se desarrollará este capítulo más adelante.

La productividad es una medida relativa que mide la capacidad de un factor

productivo para crear determinados bienes en una unidad de tiempo. Si bien no es

fácil medir con exactitud la productividad de cada factor aisladamente, pues en la

práctica ellos se combinan de un modo que hace dificultosa tal separación, es

posible tener, en cambio, una idea aproximada de la contribución de cada uno al

producto final99.

Eilon (1985), afirma que el concepto de productividad ha sido considerado como

clave para determinar si una empresa o un sector industrial son capaces de

competir en los mercados globalizados. De aquí se desprende el hecho que tratar

primero de definir este concepto, y aún más, tratar de medirlo con más perfección,

es actualmente uno de los intentos más intensos de los países para mejorar la

productividad. Eilon indica que en la práctica la productividad es interpretada

comúnmente como la "producción por hora / hombre"100.

3.1.1.3 IMPRODUCTIVIDAD

El diccionario de la Real Academia Española101, define a la improductividad como

la carencia o falta de productividad, es decir, la incapacidad de realizar las

actividades o la falta de directrices bien definidas para hacerlo de la forma más

óptima posible; a su vez se define a algo o alguien improductivo a quien o a lo que

no produce.

99

Diccionario de Economía y Finanzas, por Carlos Sabino 100

Eilon, Samuel. A Framework for Profitability and Productivity Measures. 1985 101 Diccionario de la Real Academia Española (DRAE)

107

3.1.1.4 PRODUCTO

Producto se refiere al resultado de cualquier proceso, especialmente la

producción, la venta y la multiplicación102; en este sentido, nos concentramos al

producto en referencia a un sistema de producción.

En su sentido más simple, producto es todo aquello que ha sido producido, es

decir, el resultado de la acción de producir. Son productos, en economía, todos los

bienes que se transan en el mercado, los que están disponibles como stock y los

que se encuentran en poder de los consumidores. También se llama producto a lo

que se obtiene de una renta o inversión: se dice así que determinados bonos

producen, por ejemplo, un rendimiento del tanto por ciento, o que un negocio

produce cierto monto de ganancias anuales103.

3.2 REVISIÓN METODOLÓGICA

Con el pasar del tiempo, el desarrollo de la economía en todos sus niveles impulsa

investigaciones técnicas que permitan incrementar la eficiencia y la productividad

desde formas micro y macro. De tal manera que los estudios sobre medición de

productividad van tomando relevancia tanto a nivel nacional como internacional,

en este punto es necesario no generar una limitación de análisis, muchos trabajos

latinoamericanos, que serán señalados y explicados más adelante, forjan un

significativo aporte al estudio de la medición de la productividad, sin embargo han

encontrado sus bases en primeros estudios descritos a continuación.

En principio, tomando como referencia a Thiry y Tulkens (1988), lo cuales definen

el concepto de productividad indicando que ésta tiene dos componentes que son

la eficiencia técnica y el progreso o cambio tecnológico,104 surgen autores como

Farrell en 1957 quien proporciona una “medida satisfactoria de la eficiencia

productiva” conocido como Análisis Envolvente de Datos (DEA, por sus siglas en

102

Diccionario de la Real Academia Española (DRAE) 103

Tomado de Diccionario de Economía y Finanzas, por Carlos Sabino 104

IBARRA, Alberto. Análisis de las dificultades financieras de las empresas en una economía emergente: las bases de datos y las variables independientes en el sector hotelero de la bolsa mexicana de valores. Tesis Doctoral, España, Barcelona. Junio de 2001

108

inglés), el cual toma en cuenta inputs y outputs en una técnica de programación

matemática que permite la construcción de una frontera eficiente de producción,

este método lo aplicó a la producción agrícola de Estados Unidos105.

Por otro lado, el Índice de Malmquist (IPM) (Malmquist, 1953) que posteriormente

fue aplicado a la medición de la productividad, por Caves, Christensen y Diewert

(1982) en un contexto de funciones de producción, y por Fare, Grosskopf,

Lindgren y Roos (1989), en un contexto (DEA) no paramétrico106, parte de una

frontera de eficiencia con cambio tecnológico en dos tiempos, y permite definir

funciones de distancia con respecto a los dos periodos de tiempo diferentes. “La

metodología empleada permite determinar los cambios en la productividad total de

los factores. Un valor del Índice Malmquist, o de cualquiera de sus componentes,

menor que uno señala un deterioro en la performance, entre dos períodos,

mientras que un valor superior a la unidad indica una mejora respecto del período

precedente”107. Estas dos últimas técnicas permiten medir el grado productivo,

más aún la información que consideran es únicamente de datos sobre unidades

físicas de insumos y de productos.

Otras investigaciones se describen en las notas metodológicas sobre indicadores

sectoriales de competitividad y productividad del Banco Central del Ecuador, las

cuales muestran métodos para medir la productividad a nivel de empresas, el

método del doble deflactor de Harberger (1991) se basa en la teoría de la

evaluación económica de proyectos, y los indicadores que se presentan en este

estudio corresponden a la contribución al crecimiento del volumen de valor

agregado, de la Productividad Total de los Factores (PTF), el capital y el trabajo

respectivamente; y, la Productividad Media del Trabajo (PMEL). La investigación

en este tema es interesante pero la escasa información en rubros como el trabajo

en horas hombre hace dificultosa su medición108.

105

COLL, Vicente y BLASCO, Olga. Evaluación de la eficiencia mediante el análisis envolvente de datos. Universidad de Valencia. 2006 106

GARCÍA, Carolina. La competitividad Agrícola: ¿cómo se obtiene? Universidad Nacional de Colombia 107

LANTERI, Luis. Productividad, desarrollo tecnológico y eficiencia. La propuesta de los Índices Malmquist. 108

BANCO CENTRAL DEL ECUADOR. Nota metodológica sobre indicadores sectoriales de competitividad y productividad. www.bce.fin.ec

109

En Latinoamérica, se puede encontrar varias aplicaciones de distintas

metodologías de acuerdo al sector, empresas o países, análisis de la

Organización Internacional del Trabajo (OIT) (Mertens, 1999) facilitan una

propuesta metodológica que integra tres niveles o subsistemas de medición de la

productividad: económicos-financieros, gestión del proceso productivo y

desempeño del recurso humano, los diferentes niveles han sido implantados en

México, Chile y República Dominicana, mientras que los instrumentos que

integran la propuesta son adaptaciones de metodologías preexistentes.

Coremberg (2004) compara el crecimiento del producto por trabajador en

Argentina durante el período 1990-2004, generado principalmente por ciclos

económicos más que por un crecimiento de la Productividad Total de los Factores

(PTF) en el sentido estricto de corrimiento positivo en la frontera de posibilidades

de producción.

La Cepal ha publicado en su revista un estudio que consiste en combinar la

eficiencia técnica en la utilización de los recursos con el concepto de sostenibilidad

medioambiental, para lo cual estima el crecimiento de la (PTF) experimentado por

las economías latinoamericanas entre 1980 y 2004, descomponiéndolo en mejoras

de eficiencia y cambio tecnológico mediante el cálculo de índices de Malmquist.

Por otra parte, Samuel Eilon (1985) en su estudio “A Framework for Profitability

and Productivity Measures”, considera que partiendo del ratio output / input sí es

posible establecer una variedad de ratios que puedan medir en términos físicos y

financieros los resultados de una empresa para poder llegar a definir cuatro

medidas de producción eficiente: la eficiencia técnica, que relaciona cantidades

físicas. La eficiencia de los costes, la cual toma en cuenta el factor: “precio del

input utilizado en la producción”. La eficiencia en los ingresos, conocida como

ingresos o utilidad eficiente, y la eficiencia de uso de la capacidad instalada,

conocida como capacidad de utilización.

Como se dijo anteriormente, Eilon señala que los inputs pueden ser medidos de

tres formas: en términos físicos (número de empleados, toneladas de materiales,

110

numero de máquinas, etc.); en términos financieros o costes (sueldos de los

empleados, costo de materiales, valor de los activos fijos, etc.); y también medirse

a través del coste total. Por lo cual, este autor presenta una matriz de ratios de

productividad que los relaciona entre sí con el fin de demostrar como un ratio de

productividad puede mejorarse a expensas de otro, como lo muestra la siguiente

tabla.

Tabla 34. Ratios de Producción propuestos por Samue l Eilon

INPUT / OUTPUT Grupo 1

Volumen Físico

Grupo 2

Ingresos

Grupo 3

Beneficios

Grupo 4

Valor Añadido

Inversión Total Volumen Físico /

Inversión Total

Ingresos /

Inversión Total

Beneficios /

Inversión Total

Valor Añadido /

Inversión Total

Inversión Fija

(maquinaria,

planta y equipo)

Volumen Físico /

Inversión Fija

Ingresos /

Inversión Fija

Beneficios /

Inversión Fija

Valor Añadido /

Inversión Fija

Número de

Trabajadores

(términos Físicos)

Volumen Físico /

Número de

Trabajadores

Ingresos /

Número de

Trabajadores

Beneficios /

Número de

Trabajadores

Valor Añadido /

Número de

Trabajadores

Número de Horas

trabajadas

(términos físicos)

Volumen Físico /

Número de Horas

trabajadas

Ingresos /

Número de Horas

trabajadas

Beneficios /

Número de Horas

trabajadas

Valor Añadido /

Número de Horas

trabajadas

Sueldos de

Trabajadores

(términos

financieros)

Volumen Físico /

Sueldos de

Trabajadores

Ingresos /

Sueldos de

Trabajadores

Beneficios /

Sueldos de

Trabajadores

Valor Añadido /

Sueldos de

Trabajadores

Materiales Directos

(términos

financieros, costes)

Volumen Físico /

Materiales Directos

Ingresos /

Materiales Directos --- ---

Costo Total Volumen Físico /

Coste Total

Ingresos /

Coste Total --- ---

Fuente: Samuel Eilon (1985)

Elaboración: Autor

111

Como se puede ver, la tabla anterior separa cuatro grupos, que se describen a

continuación:

• Grupo 1.- Estos ratios especifican que el output en el numerador es físico.

Los ratios sirven como mediciones de eficiencia de la producción, aunque

son considerados normalmente como ratios de productividad.

• Grupo 2.- Estos ratios relacionan los ingresos con los inputs.

• Grupo 3.- En este grupo, los ratios se enfocan en los beneficios. Según

Eilon, este ratio es considerado como un indicador del retorno del capital

desde un enfoque de la productividad.

• Grupo 4.- Estos ratios consideran al valor añadido como el output.

3.3 METODOLOGÍA

Una vez revisadas las posibles técnicas que se podrían utilizar para medir la

productividad como lo requiere esta investigación, se ve la necesidad de

considerar la información que se dispone. Como se ha señalado antes, los datos

que se consideran al igual que en el modelo de quiebra, son los generados de los

estados financieros de las diferentes empresas.

La mayoría de metodologías de medición suponen la investigación de

productividad con información de datos físicos de los bienes, fuerza laboral, etc.,

así como de sus precios, además de condiciones a nivel macroeconómico, lo que

hace el cálculo de la productividad poco factible.

Samuel Eilon, por su parte, propone una serie de indicadores que pueden ser

tomados en cuenta a nivel financiero, ya que además se busca analizar los

elementos que pueden incidir o no en la productividad, el análisis discriminante de

Fisher es una gran herramienta.

112

3.4 DESARROLLO DEL MODELO DE PRODUCTIVIDAD PARA EL SECTOR “D”, INDUSTRIAS MANUFACTURERAS

La propuesta de desarrollar un indicador de productividad para el sector “D”,

Industrias Manufactureras es independiente del desarrollo del indicador de quiebra

elaborado en el capítulo anterior, sin embargo, la técnica y directrices son

similares para la elaboración de los diferentes indicadores de productividad. Si

bien se puede considerar que el indicador de productividad va de la mano con el

de quiebra, se ha estimado que metodológicamente, se debe partir de una nueva

información y muestras de empresas para su desarrollo (cabe mencionar que al

igual que en el indicador de quiebra, se tomará una muestra de similar número de

empresas), es decir, no necesariamente las empresas consideradas para el

indicador de quiebra estarán presentes también en la elaboración del indicador de

productividad; no obstante, en el capítulo siguiente se desarrollará un

acercamiento entre estos dos indicadores que permitan vislumbrar su

funcionamiento conjunto, de manera que puedan convertirse en herramientas que

ayuden a mantener y controlar la salud de las empresas de la Industria

Manufacturera.

La construcción del indicador de productividad empresarial para el año 2009 tiene

un análisis anterior, debido a la información proporcionada por la Superintendencia

de Compañías para la elaboración de la presente investigación, correspondiente al

período comprendido entre los años 2006 a 2009; en tal virtud, se desarrolló

primero un indicador al año 2006, una vez concluido este indicador se procedió a

desarrollar el indicador de productividad empresarial al año 2009.

El desarrollo del indicador al año 2006 permitió evidenciar que el modelo es más

consistente cuando los grupos de variables excluyentes son de tamaños

semejantes, evidencia que se toma en cuenta para la elaboración del indicador al

año 2009.

113

3.4.1 DEFINICIÓN DE LAS VARIABLES

Las variables consideradas para este modelo están enmarcadas en los ratios

propuestos por Eilon, como ya se mencionó anteriormente; y la utilización de algún

ratio está condicionado a la información que se posee para su respectivo cálculo,

en tal virtud, no se considerará el output: Valor Añadido, ni los inputs: Inversión

Fija, Número de horas trabajadas y Materiales Directos, dado que la información

de estas variables no está disponible. Cabe mencionar adicionalmente que los

ratios que serán considerados para la elaboración del indicador, reúnen la

información necesaria relacionada a la producción financiera empresarial.

Para la elaboración de este indicador, se han considerado ciertos indicadores

financieros, dado que explican financieramente temas adherentes a la

productividad, como son la eficiencia y la efectividad administrativa empresarial,

por lo que podrían ser relevantes a la hora de medir la productividad. Además

como variable dependiente se consideró al ratio de “Costo de Ventas a las

Ventas”, indicador que muestra cuánto le costó a la empresa cada unidad que

vendió, es decir, qué porcentaje del monto de las ventas fue consumido en los

Costos Incurridos para su generación (mientras menor sea este resultado, mayor

ha sido la eficiencia con la cual la empresa operó sus costos)109.

En consecuencia, se han considerado un total de catorce variables independientes

y una variable dependiente, tal como se puede observar en la tabla 35.

109

Instituto Nacional de Formación Técnico Profesional. Metodología de medición y mejoramiento de la productividad empresarial. Guía para su aplicación. República Dominicana. Internet: http://www.oitcinterfor.org/sites/default/files/edit/docref/metodologia_simapro_rep_dom.pdf

114

Tabla 35. Variables Dependientes e Independientes p ara el Indicador de Productividad

INPUT / OUTPUT

Grupo 1 Producción

Grupo 2 Ingresos

Grupo 3 Beneficios

CRITERIO VARIABLE

DEPENDIENTE

Inversión Total Producción /

Inversión Total Ingresos /

Inversión Total Beneficios /

Inversión Total Costo de Ventas a

las Ventas

Número de Trabajadores (términos Físicos)

Producción / Número de

Trabajadores

Ingresos / Número de

Trabajadores

Beneficios / Número de

Trabajadores

Costo de Ventas / Ventas Netas

Gasto Sueldos (términos financieros)

Producción / Gasto Sueldos

Ingresos / Gasto Sueldos

Beneficios / Gasto Sueldos

COSTO TOTAL Producción / Costo Total

Ingresos / Costo Total

---

RATIOS FINANCIEROS

ROA (Retorno sobre los Activos)

ROE (Retorno sobre el Capital Propio)

ROTACIÓN DE VENTAS

Elaboración: Autor

El análisis discriminante requiere de una variable dependiente, la cual discrimine a

los individuos en estudio, en este caso las empresas del sector “Industrias

Manufactureras”, la variable dependiente que se consideró es el Costo de Ventas

a las Ventas, así, para las empresas “productivas” (1) como para las empresas

“improductivas” (0); en este sentido, el criterio para definir a qué grupo (1 o 0)

pertenece cada empresa, se lo hace en base a la relación de la variable

independiente para cada empresa.

Tabla 36. Costo de Ventas a las Ventas del Sector “ D”, Industrias Manufactureras, años 2006 y 2009

Industria Manufacturera

2006 2009

COSTO DE VENTAS 5 723 842 252.7 10 680 809 581.9

VENTAS NETAS 8 381 097 028.0 12 381 665 392.2

COSTO DE VENTAS /

VENTAS NETAS 0.6829 0.8626


Elaboración: Autor

115

En un principio, se tomaría como referencia que para el año 2006 el umbral de

“productiva” (1) sería tener un Costo de Ventas a las Ventas menor a 0,68, y si es

mayor o igual a 0,68 sería “improductiva (0), en forma análoga el umbral para el

año 2009 sería 0,86, sin embargo, al aplicar estos umbrales en cada uno de los

años, se ha observado que es muy “generoso”, y que no responde a la realidad de

todas las empresas, en este sentido, se ha resuelto elaborar el indicador en base

a la tabla 37 que considera el umbral de acuerdo a cada segmento.

Tabla 37. Umbral para la discriminación de las empr esas del Sector “D”, Industrias Manufactureras, años 2006 y 2009 para el Indicador de Productividad


2006 2009 2006 2009 2006 2009

COSTO DE VENTAS /

VENTAS NETAS 0.96 0.93 0.95 0.79 0.62 0.79

Elaboración: Autor

La presente investigación toma en cuenta solamente a las empresas activas,

según los reportes de la Superintendencia de Compañías del Ecuador, es decir,

no se consideran ninguna de las empresas que se encuentren en estado de

disolución o de cancelación, de acuerdo a la información que se maneja.

3.4.2 TRATAMIENTO DE LA INFORMACIÓN Y SELECCIÓN DE LA MUESTRA

De la misma manera como se procedió con el indicador de quiebra, para elaborar

el indicador de productividad se tomó una muestra por cada segmento de

empresas, y de la misma forma, como ocurrió con el indicador de quiebra, se

evidenció también la falta de normalidad en algunas variables de análisis110; por lo

que fue necesario realizar la transformación de tipo “logaritmo natural de la

variable más uno”, es decir, ln(x+1); esto porque algunas variables podrían tomar

valores 0 o negativos, lo que hace imposible el cálculo del logaritmo natural,

además de que es una transformación apta para este tipo de variables

unimodales.

110

Ver anexo 10 (pruebas de normalidad de los datos originales, indicador de productividad, años 2006 y 2009)

116

3.4.3 ANÁLISIS Y ESTIMACIÓN DE LA FUNCIÓN DISCRIMIN ANTE PARA EL

SEGMENTO “GRANDES EMPRESAS” A LOS AÑOS 2006 Y 2009

Una vez realizada la respectiva depuración de la información y su consecuente


“productivas” y 37 denominadas “improductivas”, tanto para el año 2006 como

para el año 2009 , en base a lo dispuesto por Altman, considerando grupos

semejantes y en base al procedimiento antes explicado.

3.4.3.1 ANÁLISIS DE NORMALIDAD DEL SEGMENTO “GRANDE S EMPRESAS”

AÑOS 2006 Y 2009.

Las pruebas de normalidad para la realización del análisis discriminante se

hicieron de acuerdo al test no paramétrico de Kolmogorov – Smirnov, tanto para el

año 2006 como para el año 2009. En el año 2006 el grupo de “productivas” cuenta

con una variable “no normal” (Beneficios / Número de Trabajadores) y el grupo de

“improductivas” cuenta a su vez con seis variables “no normales” (Ingresos /

Inversión Total, Beneficios / Inversión Total, Beneficios / Número de Trabajadores,

Beneficios / Gasto Sueldos, Producción / Inversión Total y Rotación de Ventas), en

consecuencia se procedió a realizar una transformación del tipo ln(x+1), así 13

variables cumplieron normalidad y con ellas se trabajó, descartando la variable

Beneficio / Inversión Total, la cual se mantuvo como “no normal”111 a pesar de la

transformación.

Por su parte, para el año 2009 el grupo de “productivas” presentó normalidad en

todas y cada una de las 14 variables para el indicador, sin embargo, el grupo de

“improductivas” presentó cuatro variables “no normales” (Ingresos / Número de

Trabajadores, Beneficios / Número de Trabajadores, Producción / Número de

Trabajadores y Producción / Costo Total), razón por la cual se realizó una

transformación del tipo ln(x+1) para ambos grupos de empresas, así 12 variables

cumplieron normalidad y con ellas se trabajó, descartando las variables Beneficios

111

Ver Anexo 11 (pruebas de normalidad de los datos transformados, indicador de productividad, años 2006 y 2009)

117

/ Número de Trabajadores y Producción / Costo Total, las cuales se mantuvieron

como “no normales”, a pesar de la transformación realizada.

3.4.3.2 ANÁLISIS DE HOMOCEDASTICIDAD DEL SEGMENTO “ GRANDES EMPRESAS”AÑOS 2006 Y 2009

Utilizando el programa SPSS, la prueba de matrices de covarianzas iguales para

los dos grupos, tanto para el año 2006 como para el año 2009, arrojan en el

contraste Barlett – Box (1949), conocido también como “M de Box”, una

significancia inferior a 0.05, con la cual se rechaza la hipótesis de que la matriz de

varianza – covarianza poblacional es igual en los dos grupos, en consecuencia,

uno de los dos grupos es más variable que el otro112.

Lograr validar este supuesto es muy complicado, dado que es muy sensible y

exigente al supuesto de normalidad, el cual puede resultar muy dificultoso de

conseguir, sin embargo, ciertos autores señalan que esta prueba es importante

pero no necesaria, dado que aún sin ella el análisis discriminante puede funcionar

bien113.

3.4.3.3 ANÁLISIS DE DIFERENCIA DE MEDIAS DEL SEGMEN TO “GRANDES EMPRESAS” AÑOS 2006 Y 2009

Como ya se vio anteriormente, este análisis busca medir si las variables, a nivel

global, ejercen un efecto significativo, medido a través de la función discriminante;

en este caso, en función de los resultados obtenidos en el SPSS, se prueba el

nivel de significación crítico de la Chi – cuadrado, el cual es 0.00 en los dos años,

tanto para el año 2006, como para el año 2009114, dados estos resultados se

rechaza la hipótesis de igualdad entre los dos vectores de medias, lo cual es

importante pues caso contrario, carecería de interés continuar con el análisis, ya

112

Ver Anexo 12 (prueba de box sobre la igualdad de las matrices de covarianza en el indicador de productividad, años 2006 y 2009) 113

Universidad de Alicante. Análisis Multivariante con SPSS. Clasificación de Muestras: Análisis Discriminante y de Clúster. 114

Ver Anexo 13 (pruebas de igualdad global de las medias de los grupos, años 2006 y 2009, indicador de productividad)

118

que significaría que las variables introducidas como variables clasificadoras no

tienen una capacidad discriminante significativa115.

3.4.3.4 ESTIMACIÓN DE LA FUNCIÓN DISCRIMINANTE PARA EL SEGMENTO “GRANDES EMPRESAS” A LOS AÑOS 2006 Y 2009

Es importante recalcar que al igual que se explicó antes para el indicador de

quiebra, en la elaboración del indicador de productividad al realizar el análisis

discriminante se utiliza el método de selección paso a paso (stepwise), el cual

combina características de los métodos: selección hacia adelante (forward),

selección hacia atrás (backward) y además es el que se aplica con mayor

frecuencia. En este método en cada paso puede entrar y también puede salir una

variable del conjunto seleccionado, de una en una se eligen las variables del

modelo de acuerdo a su capacidad discriminatoria y se desechan aquellas menos

útiles para el modelo, así, este conjunto reducido de variables es generalmente tan

bueno e incluso mejor que el conjunto completo de variables independientes.

El análisis discriminante para el indicador de productividad al año 2006 arrojó

como resultado el uso de las variables116:

• Beneficios / Gasto Sueldos,

• Producción / Número de Trabajadores,

• Producción / Gasto Sueldos,

• ROA (Retorno sobre los Activos) y;


Mientras que para el indicador de productividad al año 2009 las variables

discriminantes resultantes fueron:

• Ingresos / Costo Total,

• ROA (Retorno sobre los Activos),

• ROE (Retorno sobre el Capital Propio) y;


115

URIEL, E. y ALDÁS, J. Análisis Multivariante Aplicado. International Thomson Editores. Madrid, España. 2005. 116 Siempre se procedió a realizar un análisis discriminante por etapas en toda esta investigación.

119

Se procede entonces a utilizar el estadístico lambda de Wilks para probar la

significancia que tienen las variables discriminatorias, a partir del análisis

univariante de las varianzas, en este sentido las variables antes mencionadas,

tanto para el año 2006 como para el año 2009 se contrastan, obteniendo como

resultado que sí son importantes (<0.05)117.





grupo concreto de pertenencia, toma el valor de 0.772 en el modelo de

productividad al año 2006 y de 0.751 en el modelo de productividad al año 2009,

valores que en ambos casos son cercanos a 1, de este modo, implica que la

potencia discriminante de la función es importante118.

Tabla 38. Autovalores de las funciones discriminant es de productividad, segmento grandes empresas, años 2006 y 2009

AÑO Autovalor % de

varianza

%

acumulado

Correlación

canónica

2006 1.471a 100.0 100.0 0.772

2009 1.290a 100.0 100.0 0.751

a. Se han empleado las 1 primeras funciones discriminantes canónicas en el análisis.


Elaboración: Autor





variables utilizadas en el análisis, donde, para el año 2006 “Producción / Gasto

Sueldos” tiene mayor poder discriminatorio que “ROA (Retorno sobre los Activos)”

117

Ver Anexo 14 (pruebas de igualdad de las medias de los grupos, años 2006 y 2009, indicador de productividad) 118 Mientras la correlación canónica está más próxima a 1, mejor es la potencia discriminatoria de la función.

120

(inverso), “Beneficios / Gasto Sueldos” (inverso) y el resto de variables implicadas,

mientras que para el año 2009, “Ingresos / Costo Total” tiene un mayor poder

discriminatorio, seguido del “ROA (Retorno sobre los Activos)” y el resto de

variables de la función discriminante de productividad al año 2009.

Tabla 39. Correlaciones intra – grupos de las funci ones discriminantes de productividad, segmento grandes empresas, años 2006 y 2009


PRODUCCIÓN /

G. SUELDOS. 0.588

INGRESOS /

COSTO TOTAL 0.757

ROA (Retorno sobre los

Activos) -0.470

ROA (Retorno sobre los

Activos) 0.712

BENEFICIOS / G. SUELDOS -0.402 ROE (Retorno sobre el

Capital Propio) 0.348

PRODUCCIÓN /

NÚMERO DE TRAB. 0.321 ROTACIÓN DE VENTAS 0.294

ROTACIÓN DE VENTAS 0.026 --- ---





Elaboración: Autor




correctamente para el año 2006 es del 91.9% (cuatro casos clasificados

originalmente como “improductiva” han sido clasificados como “productiva” y dos

casos clasificados originalmente como “productiva” fueron clasificados como

“improductiva”), para el caso de la validación original, mientras tanto que para la

121

validación cruzada119, la clasificación es del 89.2% tal y como se puede apreciar

en la tabla 40.


BIN SOLV. INS. END


pronosticado Total

0 1

Original

Recuento 0 33 4 37

1 2 35 37

% 0 89.2 10.8 100.0

1 5.4 94.6 100.0

Validación

cruzadaa

Recuento 0 31 6 37

1 2 35 37

% 0 83.8 16.2 100.0

1 5.4 94.6 100.0

a. Clasificados correctamente el 91,9% de los casos agrupados originales.

b. Clasificados correctamente el 89,2% de los casos agrupados validados mediante validación

cruzada.


Elaboración: Autor


para la validación original (dos casos clasificados en un principio como

“improductiva” han sido clasificados como “productiva”, y 8 casos clasificados

originalmente como “productiva”, han sido clasificados como “improductiva”)

mientras que para la validación cruzada se clasificaron correctamente el 83.8% de

las empresas, tal y como se puede apreciar en la tabla 41.

119

En la validación cruzada, cada caso se clasifica mediante las funciones derivadas a partir del resto de los casos.

122


BIN SOLV. INS. END Grupo de pertenencia pronosticado

Total 0 1

Original

Recuento 0 35 2 37

1 8 29 37

% 0 94.6 5.4 100.0

1 21.6 78.4 100.0

Validación

cruzadaa

Recuento 0 33 4 37

1 8 29 37

% 0 89.2 10.8 100.0

1 21.6 78.4 100.0


b. Clasificados correctamente el 83,8% de los casos agrupados validados mediante validación cruzada.


Elaboración: Autor


coeficientes discriminantes de Fisher se encuentran en las tablas 42 y 43,

respectivamente.

Tabla 42. Coeficientes de las funciones canónicas d iscriminantes, segmento grandes empresas, años 2006 y 2009

Variables AÑO

2006 2009

PROD / G. SUELDOS 2.003 ---

ROA (Retorno sobre los Activos) -9.115 18.028

BENEF. / G. SUELDOS -1.578 ---

PROD / #TRAB. 0.523 ---

ROTACIÓN DE VENTAS 1.096 1.618

INGRESOS / COSTO TOTAL --- 12.317

ROE (Retorno sobre el Capital Propio) --- -4.798

(Constante) -11.937 -12.220



Elaboración: Autor

123

Tabla 43. Coeficientes de las funciones discriminan tes lineales de Fisher, segmento grandes empresas, años 2006 y 2009

Variables AÑO

2006 2009

PROD / G. SUELDOS -4.793 ---

ROA (Retorno sobre los Activos) 21.808 40.397

BENEF. / G. SUELDOS 3.776 ---

PROD / #TRAB. -1.251 ---

ROTACIÓN DE VENTAS -2.622 3.625


ROE (Retorno sobre el Capital Propio) --- -10.752

(Constante) 28.559 -27.382



Elaboración: Autor



• Año 2006

� � 28.56 4.79 � �� 1� � 21.81 ln �� 1� � 3.78 � �¡�¢�� 1� 1.25 � ��£�¡ � 1� 2.62 ln �� ¤��¤¥ � 1� (3.1)

• Año 2009

� � 27.38 � 40.40 ln �� 1� � 3.63 ln �� ¤��¤¥ � 1� � 27.60 � �E�¦W£ � 1� 10.75 ln �� 1� (3.2)

En base a las ecuaciones 3.1 y 3.2, que son las funciones discriminantes de

Fisher para cada año, se obtienen cada una de las puntuaciones discriminantes,



120

PRD = Producción; BNF = Beneficios; SLD = Gasto Sueldos; TRB = Número de Trabajadores; ROTVNTS = Rotación de Ventas; ING = Ingresos; CT = Costo Total.

124

“improductiva”, mientras que si una empresa tiene una puntuación positiva, ésta

podría ser una empresa catalogada como “productiva”. Estas puntuaciones



discriminantes tanto para las empresas “improductivas” como para las

“productivas” respectivamente121.

La tabla 44 representa una muestra del 20% de las empresas utilizadas en esta

investigación con sus respectivas puntuaciones discriminantes en los años de

estudio.

Tabla 44. Muestra de las puntuaciones discriminante s del indicador de productividad segmento grandes empresas, años 2006 y 2009

PUNTUACIÓN

DISCRIMINANTE


1 KELLOGG ECUADOR C. LTDA. ECUAKELLOGG 4.95 9.85

2 LEVAPAN DEL ECUADOR SA 2.67 6.01

3 S.J. JERSEY ECUATORIANO C. A. 4.76 4.05

4 FABRICA JURIS CIA LTDA 3.31 3.63

5 ELABORADOS CARNICOS SA ECARNI 2.28 1.56

6 FIBROACERO S.A. 2.65 0.35

7 SUCESORES DE JACOBO PAREDES M. S.A. 4.09 0.35

8 FORTIDEX S.A. -2.32 -0.14

9 FLORALP SA 0.90 -0.48

10 OFFSET ABAD CIA LTDA 1.58 -0.79

11 FABRICA DE ENVASES S.A. FADESA -1.54 -1.48

12 OLIMAR S.A. -1.08 -1.99

13 SIGMAPLAST S.A. -3.72 -3.38

14 PLASTICSACKS CIA. LTDA. -0.73 -5.31


Elaboración: Autor

121

Ver Anexo 15 (puntuaciones discriminantes del indicador de productividad, grandes, medianas y pequeñas empresas, años 2006 y 2009)

125

3.4.3.5 CONSTRUCCIÓN DEL TERMÓMETRO DE PRODUCTIVIDAD PARA EL SEGMENTO “GRANDES EMPRESAS” PARA LOS AÑOS 2006 Y 2009

Ya se han obtenido las funciones discriminantes para las grandes empresas en los

años de estudio, sin embargo, para mejorar la interpretación de la información

obtenida se procede a construir un “termómetro de productividad”, el cual ayudará

a la creación de “bandas” de productividad, las cuales permitirán visualizar de

forma más simple la situación de determinada empresa122. Así mismo, cabe

recalcar que, a pesar de ser muy evidente, una vez que cada una de las variables

de estudio cumplió normalidad como requisito previo a la realización del análisis

discriminante, así también, las variables resultantes a manera de puntuaciones

discriminantes (productivas e improductivas) siguen una distribución normal123.

Así, el “termómetro de productividad” de las grandes empresas que se desarrolla



(“productiva” e “improductiva”).

122

El termómetro de insolvencia de Kanitz, utilizado para prever la insolvencia de las empresas, fue uno de los modelos pioneros en Brasil en la década de los años 70, éste muestra un termómetro que indica tres situaciones diferentes Solvente, Penumbra e Insolvente; en este estudio se realizará una adaptación para interpretar la productividad empresarial, es decir, Productiva, Penumbra e Improductiva. 123

Ver Anexo 16 (pruebas de normalidad de las puntuaciones discriminantes, indicador de productividad, años 2006 y 2009)

126

Figura 27. Desarrollo del termómetro de productivid ad, segmento grandes empresas, año 2006


Elaboración: Autor


productividad” para las grandes empresas al año 2006, en la misma se puede

observar que el punto -0.17 es el punto crítico, es decir, el punto de referencia

sobre el cual las empresas son clasificadas como “productivas” y bajo el cual las

empresas son clasificadas como “improductivas”.

Tomando en cuenta el centroide de cada grupo (productiva e improductiva), con

su respectiva desviación estándar, se obtiene una zona, la cual será denominada

“penumbra” (entre -1.13 y 1.11), así, las empresas “improductivas” que caigan en

la parte “penumbra” [-1.13 , -0.17] tienen la posibilidad de convertirse con el

tiempo en “productivas”, mientras que las empresas “productivas” que caigan en la

“penumbra” [-0.17 , 1.11] corren el riesgo de convertirse con el tiempo en

“improductivas”.


describir la productividad de una empresa grande.

127

Figura 28. Termómetro de productividad, segmento gr andes empresas, año 2006


Elaboración: Autor


improductividad para el año 2006:

• Índice menor a -5.48, “Riesgo muy alto de improductividad”,

• Índice entre -5.48 y -1.13, “Riesgo alto de improductividad”,


• Índice entre 1.11 y 4.83, “Riesgo bajo de improductividad”, y

• Índice mayor a 4.83, “Riesgo muy bajo de improductividad”

128

Figura 29. Desarrollo del termómetro de productivid ad, segmento grandes empresas, año 2009


Elaboración: Autor


productividad” de las grandes empresas al año 2009, en la misma se puede

observar que el punto -0.46 es el punto crítico, donde, por sobre éste las

empresas son clasificadas como “productivas” y bajo éste las empresas son

clasificadas como “improductivas”.



“penumbra” (entre -0.82 y 0.94), así, aquellas empresas “improductivas” que

caigan en la “penumbra” [-0.82 , -0.46] tienen una buena posibilidad de convertirse

con el tiempo en “productivas”, mientras que aquellas empresas “productivas” que

caigan en la “penumbra” [-0.46 , 0.94] corren el riesgo de convertirse con el tiempo

en “improductivas”.

Así mismo, en la figura 30 se generan varias zonas de riesgo, las cuales permiten

describir la productividad de una empresa grande.

129

Figura 30. Termómetro de productividad, segmento gr andes empresas, año 2009


Elaboración: Autor

La figura 30 muestra que existen cinco zonas que delimitan el riesgo de






• Índice mayor a 5.58, “Riesgo muy bajo de improductividad

130


SEGMENTO “MEDIANAS EMPRESAS” A LOS AÑOS 2006 Y 2009

Una vez que se realizó la respectiva depuración de la información y su

consecuente muestreo, se ha tomado una muestra de 79 empresas, 40

denominadas “productivas” y 39 denominadas “improductivas”, tanto para el año

2006 como para el año 2009 , en base a lo dispuesto por Altman, considerando

grupos semejantes y en base al procedimiento antes explicado.

3.4.4.1 ANÁLISIS DE NORMALIDAD DEL SEGMENTO “MEDIAN AS EMPRESAS” AÑOS 2006 Y 2009



2006 el grupo de “productivas” cuenta con cuatro variables “no normales”

(“Ingresos / Inversión Total”; “Beneficios / Gasto Sueldos”; “Producción / Inversión

Total” y “Rotación de Ventas”) y el grupo de “improductivas” a su vez cuenta con

una variable “no normal” (“ROE [Retorno sobre el Capital Propio]”), por lo cual se

procedió a realizar una transformación del tipo ln(x+1), así las 14 variables

involucradas cumplieron normalidad y por tanto se trabajó con todas ellas.

Para el año 2009, el grupo de “productivas” cuenta con tres variables “no

normales” (“Beneficios / Gasto Sueldos”; “Producción / Gasto Sueldos” y “ROE

[Retorno sobre el Capital Propio]”) y el grupo de “improductivas” tiene una variable

que resultó “no normal”124 (“ROE [Retorno sobre el Capital Propio]”); por esta

razón se procedió a realizar una transformación del tipo ln(x+1), sin embargo, a

pesar de realizar la mencionada transformación, solamente el grupo de

“productivas” mejoró su normalidad en todas sus variables, no así el grupo de

improductivas, donde a la ya variable “no normal” sin transformación se le juntaron

cinco variables más125; en este sentido, se procedió a trabajar con once variables

124

Ver anexo 10 (pruebas de normalidad de los datos originales, indicador de productividad, años 2006 y 2009) 125

Ver Anexo 11 (pruebas de normalidad de los datos transformados, indicador de productividad, años 2006 y 2009)

131

sin transformación, las cuales cumplieron normalidad y se excluyó a las variables

“Beneficios / Gasto Sueldos”; “Producción / Gasto Sueldos” y “ROE [Retorno sobre

el Capital Propio]”).

3.4.4.2 ANÁLISIS DE HOMOCEDASTICIDAD DEL SEGMENTO “ MEDIANAS EMPRESAS” AÑO 2006 Y 2009




se mencionó que esta prueba es muy exigente y sensible al contraste de


financieros.

3.4.4.3 ANÁLISIS DE DIFERENCIA DE MEDIAS DEL SEGMEN TO “MEDIANAS EMPRESAS” AÑO 2006 Y 2009








como resultado el uso de las variables:

• Beneficios / Número de Trabajadores,

• Rotación de Ventas y;

• Producción / Costo Total

126


Ver Anexo 13 (pruebas de igualdad global de las medias de los grupos, años 2006 y 2009, indicador de productividad)

132


resultantes fueron:

• Ingresos / Inversión Total,

• Ingresos / Costo Total,

• Producción / Número de Trabajadores y;

• ROA (Retorno sobre los Activos)





importantes (<0.05)128, siendo importante en conjunto las variables utilizadas.








potencia discriminante de la función es importante.

Tabla 45. Autovalores de las funciones discriminant es de productividad, segmento medianas empresas, años 2006 y 2009

AÑO Autovalor % de

varianza

%

acumulado

Correlación

canónica

2006 1,298 100,0 100,0 0.752

2009 2,880 100,0 100,0 0.862


análisis.


Elaboración: Autor

128

Ver Anexo 14 (pruebas de igualdad de las medias de los grupos, años 2006 y 2009, indicador de productividad)

133

Una vez que definidas las variables, es de suma importancia conocer cuál es el

poder discriminatorio de cada variable, y cuál es la variable que lo posee en mayor


Tabla 46. Correlaciones intra – grupos de las funci ones discriminantes de productividad, segmento medianas empresas, años 200 6 y 2009


BENEF. / #TRAB. 0.592 ROA (Retorno sobre los

Activos) 0.684

ROTACIÓN DE VENTAS 0.565 INGRESOS / COSTO TOTAL 0.646

PROD / COSTO TOTAL 0.557 INGRESOS / INV. TOTAL 0.338

PROD / #TRAB. 0.278





Elaboración: Autor


variables utilizadas en el análisis, donde, para el año 2006 la variable “Beneficios /

Número de Trabajadores” tiene mayor poder discriminatorio que la “Rotación de

Ventas” y que la variable “Producción / Costo Total”; mientras que para el año

2009, el “ROA (Retorno sobre los activos)” tiene un mayor poder discriminatorio,

seguido de “Ingresos / Costo Total”, “Ingresos / Inversión Total” y de “Producción /

Número de Trabajadores”.

134


BIN CST

VNTS (0/1)


pronosticado Total

0 1

Original

Recuento 0 33 6 39

1 2 38 40

% 0 84,6 15,4 100,0

1 5,0 95,0 100,0

Validación

cruzadaa

Recuento 0 33 6 39

1 2 38 40

% 0 84,6 15,4 100,0

1 5,0 95,0 100,0

Clasificados correctamente el 89,9% de los casos agrupados originales.

Clasificados correctamente el 89,9% de los casos agrupados validados mediante validación cruzada.


Elaboración: Autor




correctamente para el año 2006 es del 89.9% tanto para la validación original

como para la validación cruzada, tal y como se puede apreciar en la tabla 47.


BIN CST

VNTS (0/1)


pronosticado Total

0 1

Original

Recuento 0 39 0 39

1 2 38 40

% 0 100,0 ,0 100,0

1 5,0 95,0 100,0

Validación

cruzadaa

Recuento 0 39 0 39

1 2 38 40

% 0 100,0 ,0 100,0

1 5,0 95,0 100,0




Elaboración: Autor

135



puede apreciar en la tabla 48, en donde dos empresas que inicialmente se

catalogaron como “improductivas”, han sido ahora apuntadas como “productivas”.



respectivamente.

Tabla 49. Coeficientes de las funciones canónicas d iscriminantes, segmento medianas empresas, años 2006 y 2009

Variables AÑO

2006 2009

BENEF. / #TRAB. 0.368 ---


PROD / COSTO TOTAL 7.108 ---

INGRESOS / INV. TOTAL --- 0.069


PROD / #TRAB. --- 0.000

ROA (Retorno sobre los Activos) --- 20.844

(Constante) -14.216 -6.116


Elaboración: Autor

129


136

Tabla 50. Coeficientes de las funciones discriminan tes lineales de Fisher, segmento medianas empresas, años 2006 y 2009

Variables AÑO

2006 2009

BENEF. / #TRAB. 0.829 ---


PROD / COSTO TOTAL 15.994 ---



PROD / #TRAB. --- 0.000

ROA (Retorno sobre los Activos) --- 69.849

(Constante) -31.955 -20.423



Elaboración: Autor



• Año 2006

� � 31.96 � 0.83 � �¡�¢£�¡ � 1� � 5.16 ln �� ¤��¤¥ � 1� � 15.99 ln ��W£ � 1� (3.3)

• Año 2009

� � 20.42 � 0.23 E�¦E�§£ � 8.91 E�¦W£ � 0.00 ��£�¡ � 69.85 � � (3.4)


Fisher para cada año, para obtener cada una de las puntuaciones discriminantes,




podría ser una empresa catalogada como “productiva”.

130

PRD = Producción; BNF = Beneficios; SLD = Gasto Sueldos; TRB = Número de Trabajadores; ROTVNTS = Rotación de Ventas; ING = Ingresos; CT = Costo Total; INVT = Inversión Total.

137



estos los extremos discriminantes tanto para las empresas “improductivas” como

para las “productivas” respectivamente131. La tabla 51 representa una muestra del

20% de las empresas utilizadas en esta investigación con sus respectivas

puntuaciones discriminantes en los años de estudio.

Tabla 51. Muestra de las puntuaciones discriminante s del indicador de quiebra segmento medianas empresas, años 2006 y 2009

PUNTUACIÓN

DISCRIMINANTE


1 SABIJER'S S.A. 3.72 15.66

2 SOCIEDAD COMERCIAL INDUSTRIAL ECUAMUEBLE C LTDA 3.97 8.51

3 HOSPIMEDIKKA C LTDA 3.51 7.07

4 RENOVALLANTA S.A. 1.38 6.67

5 ASTRA C.A. 0.75 5.38

6 GRAFICAS IMPACTO GRAFIMPAC S.A. 1.00 2.24

7 PROCESADORA DE PLASTICOS PROCEPLAS S.A. 2.16 1.33

8 DISEÑOS EXCLUSIVOS DISEX S.A. -0.84 0.81

9 AUTOPARTES ANDINAS AUTODIN S.A. E.M.A. 1.64 -1.25

10 VIBRADOS Y PREFABRICADOS SABOGAL VIPRESA C LTDA 0.84 -1.60

11 INDUSTRIA PERFECTOPLAST SA -0.74 -2.80

12 TENERIA SAN JOSE C LTDA -0.10 -3.28

13 ISOLLANTA CIA. LTDA. 0.34 -3.40

14 PLASTIPOLI S.A. -2.75 -4.95

15 INDUSTRIA ECUATORIANA DE PLASTICOS INPLASTIC S.A. -3.68 -5.47

16 INDUSTRIAS DE MADERAS ECUATORIANAS MADEPRON C LTDA -3.32 -8.72


Elaboración: Autor

131


138

3.4.4.4 CONSTRUCCIÓN DEL TERMÓMETRO DE PRODUCTIVIDAD PARA EL SEGMENTO “MEDIANAS EMPRESAS” PARA LOS AÑOS 2006 Y 2009

Se han obtenido las funciones discriminantes para las medianas empresas en los


se procede a construir un “termómetro de productividad”, el cual ayudará a la

creación de “bandas” de productividad, permitiendo visualizar de forma más simple

la situación de determinada empresa. Así mismo, cabe recalcar que, a pesar de

ser muy evidente, una vez que cada una de las variables de estudio cumplió



(productivas e improductivas) siguen una distribución normal132.

Así, el “termómetro de insolvencia” de las medianas empresas que se desarrolla




Figura 31. Desarrollo del termómetro de productivid ad, segmento medianas empresas, año 2006


Elaboración: Autor 132


139


productividad” para las medianas empresas al año 2006, en la misma se puede

observar que el punto -0.28 es el punto crítico, es decir, el punto de referencia






la “penumbra” [-1.08 , -0.28] tienen la posibilidad de convertirse con el tiempo en

“productivas”, mientras que las empresas “productivas” que caigan en la

“penumbra” [-0.28 , 0.46] corren el riesgo de convertirse con el tiempo en




Figura 32. Termómetro de productividad, segmento me dianas empresas, año 2006


Elaboración: Autor



140






Figura 33. - Desarrollo del termómetro de productiv idad, segmento medianas empresas, año 2009


Elaboración: Autor


productividad” para las medianas empresas al año 2009, en la misma se puede


son clasificadas como “productivas” y bajo éste las empresas son clasificadas

como “improductivas”.




caigan en la “penumbra” [-2.83, 0.29] tienen la posibilidad de convertirse con el

tiempo en “productivas”, mientras que aquellas empresas “improductivas” que

141

caigan en la “penumbra” [0.29 , 2.26] corren el riesgo de convertirse con el tiempo

en “improductivas”.


describir a una empresa mediana al año 2009.

Figura 34. Termómetro de productividad, segmento me dianas empresas, año 2009


Elaboración: Autor








142


SEGMENTO “PEQUEÑAS EMPRESAS” A LOS AÑOS 2006 Y 2009

Luego de realizar la respectiva depuración de la información y su consecuente

muestreo, como se ha venido realizando, se ha tomado una muestra de 82

empresas, 41 denominadas “productivas” y 41 denominadas “improductivas”, tanto

para el año 2006 como para el año 2009 , en base a lo dispuesto por Altman,

considerando grupos semejantes y en base al procedimiento antes explicado.

3.4.5.1 ANÁLISIS DE NORMALIDAD DEL SEGMENTO “PEQUEÑ AS EMPRESAS” AÑOS 2006 Y 2009



2006 el grupo de “productivas” cuenta con tres variables “no normales” (“Ingresos /

Inversión Total”, “Producción / Inversión Total” y “ROE [Retorno sobre el capital

propio]”) y el grupo de “improductivas” a su vez cuenta con cinco variables “no

normales”133 (“Ingresos / Inversión Total”, “Beneficios / Inversión Total”,

“Producción / Inversión Total”, “ROA [Retorno sobre los Activos]” y “Rotación de

Ventas”), por lo cual se procedió a realizar una transformación del tipo ln(x+1), así

11 variables cumplieron normalidad y con ellas se trabajó, descartando las

variables “Beneficios / Inversión Total”, “Beneficios / Número de Trabajadores” y

“ROA [Retorno sobre los Activos]”, las cuales se mantuvieron como “no

normales”134 a pesar de las transformaciones realizadas.

Para el año 2009, el grupo de “productivas” cuenta con tres variables “no

normales” (“Ingresos / Costo Total”, “Beneficios / Inversión Total” y “Beneficios /

Número de Trabajadores”) y el grupo de “improductivas” a su vez cuenta con tres

variables que resultaron “no normales”135 (“Ingresos / Costo Total”, “Beneficios /

133

Ver Anexo 10 (pruebas de normalidad de los datos originales, indicador de productividad, años 2006 y 2009) 134

Ver Anexo 11 (pruebas de normalidad de los datos transformados, indicador de productividad, años 2006 y 2009) 135

Ver anexo 10 (pruebas de normalidad de los datos originales, indicador de productividad, años 2006 y 2009)

143

Inversión Total” y “Producción / Costo Total”); por esta razón se procedió a realizar

una transformación del tipo ln(x+1), así 12 variables cumplieron normalidad y con

ellas se trabajó, descartando las variables “Ingresos / Costo Total” y “Producción /

Costo Total”, las cuales se mantuvieron como “no normales”136 a pesar de las

transformaciones realizadas.

3.4.5.2 ANÁLISIS DE HOMOCEDASTICIDAD DEL SEGMENTO “ PEQUEÑAS EMPRESAS” AÑO 2006 Y 2009


hipótesis de homocedasticidad contrastada con la M de Box, la cual no pasa la

prueba, para asegurar que la matriz de covarianzas es igual en los dos grupos137;

antes ya se mencionó que esta prueba es muy exigente y sensible al contraste de


financieros.

3.4.5.3 ANÁLISIS DE DIFERENCIA DE MEDIAS DEL SEGMEN TO “PEQUEÑAS EMPRESAS” AÑO 2006 Y 2009








como resultado el uso de las variables139:

136

Ver Anexo 11 (pruebas de normalidad de los datos transformados, indicador de productividad, año 2006 y 2009) 137


Ver Anexo 13 (pruebas de igualdad global de las medias de los grupos, años 2006 y 2009, indicador de productividad) 139 Se realizó un análisis discriminante por etapas.

144

• Ingresos / Gasto Sueldos,

• Beneficios / Gasto Sueldos, y;

• Producción / Gasto Sueldos


resultantes fueron:

• Ingresos / Inversión Total,

• Beneficios / Gasto Sueldos,

• Producción / Inversión Total, y;














potencia discriminante de la función es importante.

140

Ver Anexo 14 (pruebas de igualdad de las medias de los grupos, años 2006 y 2009, indicador de productividad)

145

Tabla 52. Autovalores de las funciones discriminant es de productividad, segmento pequeñas empresas, años 2006 y 2009

AÑO Autovalor % de

varianza

%

acumulado

Correlación

canónica

2006 4.518 100.0 100.0 0.905

2009 2.833 100.0 100.0 0.860

a. Se han empleado las 1 primeras funciones discriminantes canónicas en

el análisis.


Elaboración: Autor

Ya definidas las variables, es de suma importancia conocer cuál es el poder



Tabla 53. Correlaciones intra – grupos de las funci ones discriminantes de productividad, segmento pequeñas empresas, años 200 6 y 2009


PROD / G. SUELDOS 0.564 BENEF. / G. SUELDOS 0.657

INGRESOS / G. SUELDOS 0.451 ROTACIÓN DE VENTAS 0.595

BENEF. / G.SUELDOS -0.194 INGRESOS / INV. TOTAL 0.434

- - PROD / INV.TOTAL 0.408





Elaboración: Autor


variables utilizadas en el análisis, donde, para el año 2006 “Producción / Gasto

Sueldos” tiene mayor poder discriminatorio que “Ingresos / Gasto Sueldos” y que

“Beneficios / Gasto Sueldos” (inverso); mientras que para el año 2009, “Beneficios

/ Gasto Sueldos” tiene un mayor poder discriminatorio, seguido de “Rotación de

Ventas”, “Ingresos / Inversión Total” y de “Producción / Inversión Total”.

146


BIN CST

VNTS (0/1)


pronosticado Total

0 1

Original

Recuento 0 41 0 41

1 0 41 41

% 0 100.0 0.0 100.0

1 0.0 100.0 100.0

Validación cruzadab

Recuento 0 41 0 41

1 0 41 41

% 0 100.0 .0 100.0

1 0.0 100.0 100.0


b. Clasificados correctamente el 100,0% de los casos agrupados validados mediante validación cruzada.


Elaboración: Autor




correctamente para el año 2006 es del 100% tanto para la validación original como

para la validación cruzada, tal y como se puede apreciar en la tabla 54, en donde

como es de esperarse, toda empresa que inicialmente se catalogó como

“improductiva”, ha sido medida como tal por modelo y de la misma forma análoga

con las empresas “improductivas”.

147


BIN CST

VNTS

(0/1)


pronosticado Total

0 1

Original

Recuento 0 39 2 41

1 0 41 41

% 0 95.1 4.9 100.0

1 0.0 100.0 100.0

Validación

cruzadaa

Recuento 0 38 3 41

1 0 41 41

% 0 92.7 7.3 100.0

1 0.0 100.0 100.0




Elaboración: Autor


para la validación original, donde dos empresas que en un principio fueron

catalogadas como “improductivas”, se clasificaron como “productivas”; y los casos

clasificados correctamente para la validación cruzada141 fueron el 96.3%, tal y

como se puede apreciar en la tabla 55.



respectivamente.

141


148

Tabla 56. Coeficientes de las funciones canónicas d iscriminantes, segmento pequeñas empresas, años 2006 y 2009

Variables AÑO

2006 2009

INGRESOS / G. SUELDOS -13.214 ---

BENEF. / G. SUELDOS -2.615 ---

PROD / G. SUELDOS 14.157 ---


BENEF. / G. SUELDOS --- 4.972

PROD / INV.TOTAL --- -5.290

ROTACIÓN DE VENTAS --- 2.637

(Constante) -7.608 -3.897



Elaboración: Autor

Tabla 57. Coeficientes de las funciones discriminan tes lineales de Fisher, segmento pequeñas empresas, años 2006 y 2009

Variables AÑO

2006 2009

INGRESOS / G. SUELDOS 55.489 ---

BENEF. / G. SUELDOS 10.982 ---

PROD / G. SUELDOS -59.447 ---


BENEF. / G. SUELDOS --- 16.533

PROD / INV.TOTAL --- -17.588

ROTACIÓN DE VENTAS --- 8.766

(Constante) 31.945 -12.958



Elaboración: Autor



142

PRD = Producción; BNF = Beneficios; SLD = Sueldos; ROTVNTS = Rotación de Ventas; ING = Ingresos; CT = Costo Total; INVT = Inversión Total.

149

• Año 2006

� � 31.95 � 55.49 ln �E�¦�� 1� � 10.98 ln �¡�¢�� 1� 59.45 ln �� 1� (3.5)

• Año 2009

� � 12.96 � 20.58 ln � E�¦E�§£ � 1� � 16.53 ln �¡�¢�� 1� 17.59 ln � ��E�§£ � 1� �8.77 ln �� ¤��¤¥ � 1� (3.6)


Fisher en cada año, para obtener cada una de las puntuaciones discriminantes,




podría ser una empresa catalogada como “productiva”. Estas puntuaciones



discriminantes tanto para las empresas “improductivas” como para las

“productivas” respectivamente143. La tabla 58 representa una muestra del 20% de

las empresas utilizadas en esta investigación con sus respectivas puntuaciones

discriminantes en los años de estudio.

143


150

Tabla 58. Muestra de las puntuaciones discriminante s del indicador de productividad segmento pequeñas empresas, años 2006 y 2009

PUNTUACIÓN

DISCRIMINANTE


1 CHEMLOK DEL ECUADOR SA 12.56 7.62

2 COMERCIAL OPTICA SANCHEZ ARTEAGA CIA. LTDA. 6.33 1.92

3 DURANGO - TEX C.L. 4.25 -3.57

4 INDEMAUS CIA. LTDA. -8.52 10.46

5 INDUSTRIAS METALICAS VERGARA INDUMEVER CIA. LTDA. 9.74 7.62

6 INDUTECSE INDUSTRIA TECNICA SERVICIOS CIA. LTDA 9.08 5.79

7 INNOVAOFFICE COMPAÑIA LIMITADA 15.09 5.78

8 INPROFARM COMPANIA ECUATORIANA DE PRODUCTOS

FARMACEUTICOS S.A. 4.05 4.38

9 LA SUREÑITA SOCIEDAD ANONIMA -11.53 -1.73

10 LABORATORIOS LATURI C LTDA 6.40 2.63

11 POLIEXPANDIDOS CIA. LTDA. 10.15 4.10

12 PROCESADORA DE FRUTAS NATURALES PROFRUTAS C LTDA -13.93 0.87

13 PRODUCTOS MAN-ZHI, ALIMENTOS INDUSTRIALIZADOS S.A. 9.87 7.54

14 PROPIEL PROCESADORA DE PIELES CIA LTDA -1.17 -5.91

15 VERPSA, INDUSTRIA DE ARTICULOS PLASTICOS S.A 2.84 0.47

16 WASCORP S.A. 3.03 8.29


Elaboración: Autor

3.4.5.4 CONSTRUCCIÓN DEL TERMÓMETRO DE PRODUCTIVIDAD PARA EL SEGMENTO “PEQUEÑAS EMPRESAS” PARA LOS AÑOS 2006 Y 2009

Se han obtenido las funciones discriminantes para las pequeñas empresas en los


se procede a construir un “termómetro de productividad”, el cual ayudará a la

creación de “bandas” de productividad, permitiendo visualizar de forma más simple

la situación de determinada empresa. Así mismo, cabe recalcar que, a pesar de

ser muy evidente, una vez que cada una de las variables de estudio cumplió


151


(productivas e improductivas) también siguen una distribución normal144.

Así, el “termómetro de productividad” de las pequeñas empresas que se desarrolla



(productivas e improductivas).

Figura 35. Desarrollo del termómetro de productivid ad, segmento pequeñas empresas, año 2006


Elaboración: Autor


productividad” para las pequeñas empresas al año 2006, en la misma se puede






144


152


la “penumbra” [-4.83 , 0.00] tienen la posibilidad de convertirse con el tiempo en

“productivas”, mientras que las empresas “productivas” que caigan en la




describir a una empresa pequeña al año 2006.

Figura 36. Termómetro de productividad, segmento pe queñas empresas, año 2006


Elaboración: Autor








153

Figura 37. Desarrollo del termómetro de productivid ad, segmento medianas empresas, año 2009


Elaboración: Autor


productividad” para las pequeñas empresas al año 2009, en la misma se puede

observar que el punto -0.27 es el punto crítico, donde, por sobre éste las

empresas son clasificadas como “productivas” y bajo éste las empresas son

clasificadas como “improductivas”.




caigan en la “penumbra” [-2.45 , -0.27] la buena posibilidad de convertirse con el

tiempo en “productivas”, mientras que aquellas empresas “productivas” que caigan

en la “penumbra” [-0.27 , 2.18] corren el riesgo de convertirse con el tiempo en



describir a una empresa pequeña al año 2009.

154

Figura 38. Termómetro de productividad, segmento pe queñas empresas, año 2009


Elaboración: Autor








La tabla 59 muestra en resumen todas y cada una de las zonas de riesgo de

improductividad para cada segmento empresarial al año 2009, donde se evidencia

el parecido en cuanto al signo que tienen en cada segmento, dependiendo del

riesgo en el que se encuentren y también es notorio que en general a medida que

el segmento es más pequeño, el valor nominal de la zona de riesgo va creciendo,

esto está directamente relacionado con las características propias que tiene cada

segmento empresarial, puesto que a pesar de responder a un mismo sector de

producción, su tamaño es un determinante específico que denota las diferencias

internas de cada segmento.

155

Tabla 59. Zonas de riesgo de improductividad para e l sector “Industrias Manufactureras” por segmentos, al año 2009

RIESGO DE IMPRODUCTIVIDAD


DESDE HASTA DESDE HASTA DESDE HASTA

RIESGO MUY ALTO DE IMPRODUCTIVIDAD

< -3.88 < -8.01 < -9.24

RIESGO ALTO DE IMPRODUCTIVIDAD

-3.88 -0.82 -8.01 -2.83 -9.24 -2.45

ZONA DE PENUMBRA -0.82 0.94 -2.83 2.26 -2.45 2.18

RIESGO BAJO DE IMPRODUCTIVIDAD

0.94 5.58 2.26 9.73 2.18 8.42

RIESGO MUY BAJO DE IMPRODUCTIVIDAD

> 5.58 > 9.73 > 8.42


Elaboración: Autor

Las empresas del sector “Industrias Manufactureras” son bastante heterogéneas,

no se puede asumir que las condiciones de una empresa considerada grande

sean las mismas que las de una empresa mediana o de una pequeña o viceversa,

tanto así que se denotaron diferencias marcadas entre segmentos de empresas,

donde cada segmento ha respondido de diferente manera hacia la variable

dependiente, sin tener el mismo comportamiento entre segmentos, las diferencias

son tales que inclusive en el análisis de normalidad de las variables, coinciden, de

cierta manera, las grandes y pequeñas empresas, donde hay más variables con

normalidad en sus respectivos grupos de “productivas”, no así en el segmento de

medianas empresas, donde ocurre lo contrario. Así, es importante tomar en cuenta

las particularidades básicas que puedan tener las empresas de cada segmento

para poder entender mejor las relaciones y comportamientos específicos que

pueden tener cada una de ellas.

156

CAPITULO IV

DETERMINACIÓN DEL COMPORTAMIENTO DEL SECTOR “D”, “INDUSTRIAS MANUFACTURERAS” EN RELACIÓN AL INDICADOR DE QUIEBRA Y AL INDICADOR DE PRODUCTIVIDA D

Se han conseguido estructurar los indicadores de quiebra y de productividad para

el sector “D” “Industrias Manufactureras” para cada uno de los segmentos de

empresas, es decir, grandes, medianas y pequeñas empresas, tanto al año 2006

como al año 2009, mediante la información financiera que ellas presentaban en

este espacio de tiempo.

El objetivo de este capítulo es realizar un contraste del comportamiento de las

empresas a través del cálculo de sus respectivos indicadores, a fin de conocer

bien sus factores de solvencia y de productividad, los cuales son los

determinantes de la quiebra y la productividad empresarial en esta investigación.

4.1 INTERACCIÓN ENTRE SOLVENCIA Y PRODUCTIVIDAD

El valor de los métodos de análisis radica en la información que suministren para

ayudar a proponer correctas decisiones, basados en el análisis, en su estímulo

para provocar preguntas referentes a los diversos aspectos de los negocios, así

como de la orientación hacia la determinación de las causas o de las relaciones de

dependencia de los hechos y tendencias145.

Analizar los estados financieros consiste en lograr interpretar y realizar

comparaciones en base a la simplificación de las cifras y relaciones que estos

arrojan, es decir, dar significancia e identificar causas y efectos de los diferentes

movimientos que una empresa pudiera haber hecho, a fin de mitigar los efectos

adversos para la empresa y poner énfasis en las oportunidades que pudieran

aprovecharse en un futuro.

145

Alarcón Armenteros y Ulloa Paz: "El análisis de los estados financieros: papel en la toma de decisiones gerenciales" en Observatorio de la Economía Latinoamericana, Nº 167, 2012. Texto completo en http://www.eumed.net/cursecon/ecolat/cu/2012/

157

Es de vital importancia para una empresa conseguir estabilidad, la cual es definida

como la capacidad que tiene una empresa para cumplir en forma oportuna con el

pago de sus obligaciones146; esto, sin duda alguna, va de la mano de dos

componentes muy importantes, los cuales son la solvencia, que es la capacidad

que una empresa tiene para cumplir oportunamente con el pago de sus

obligaciones; y la productividad, la cual en términos generales es la unidad de

cuántos productos se obtienen por unidad de insumos, y se refiere a la capacidad

que tiene una empresa de producir utilidades suficientes para retribuir a sus

inversionistas y retribuir el desarrollo de la misma. En este sentido es importante

analizar tanto la estructura financiera, inversiones, eficiencia de las operaciones,

de las relaciones entre ventas y gastos y de la utilidad con la inversión del capital;

y es precisamente el análisis de estos componentes antes mencionados los que

se resumen en los indicadores de quiebra y de productividad, de manera que se

puedan determinar condiciones que definan la sanidad de una empresa para

poder tomar las correcciones, de ser necesario, para no quebrar ni ser

improductiva.

Como bien lo menciona Jonatan Loidi147 “Los vendedores quieren vender y eso

está muy bien. Quienes trabajan en el área de producción quieren lograr la mayor

eficiencia y productividad, lo cual está perfecto. Los encargados de las finanzas

quieren que las cuentas cierren y eso es fundamental. Todo esto está muy bien,

pero alguien debe lograr que todos cumplan sus objetivos trabajando en pos del

éxito de la empresa y, en especial, de los accionistas”. Y es precisamente esa

visión globalizadora la que se debe manejar a nivel de solvencia y de

productividad, los cuales no pueden ir aislados, sino por el contrario, una relación

solvencia – productividad se avizora como una combinación lógica y fundamental

para la sostenibilidad de una empresa.

146

PEREZ, J. y Granados M. “Razones Financieras” (Se puede verificar esto a través del internet: http://www.elprisma.com/apuntes/administracion_de_empresas/razonesfinancieras/default.asp) 147

Socio gerente de Set computación y Set consulting, Consultor de la Fundación Empresa Global, director de la Licenciatura en Marketing de la UCALP y profesor del Master en Negocios de MATERIABIZ (consultado en http://www.materiabiz.com/mbz/economiayfinanzas/nota.vsp?nid=49015)

158

4.2 DETERMINANTES DEL INDICADOR DE QUIEBRA PARA LA “INDUSTRIA MANUFACTURERA”

En el Capítulo 2 se desarrolló el indicador de quiebra para el sector “D” “Industrias

Manufactureras” en cada uno de los diferentes segmentos empresariales, para los

años 2006 y 2009. Este apartado tiene como objetivo analizar las variables que

discriminan la quiebra empresarial en cada uno de los segmentos y años de

estudio, para lo cual será indispensable y recurrente la tabla 60

Tabla 60. Resumen de los coeficientes de las ecuaci ones de los indicadores de quiebra, grandes, medianas y pequeñas empresas, año s 2006 y 2009

VARIABLES GRANDES MEDIANAS PEQUEÑAS

2006 2009* 2006* 2009* 2006* 2009*

LIQUIDEZ CORRIENTE --- --- --- 7.11 -9.73 ---

PRUEBA ÁCIDA --- 7.21 --- --- --- ---

ENDEUDAMIENTO PATRIMONIAL --- -104.18 -148.17 --- -177.56 -91.93

ENDEUDAMIENTO DEL ACTIVO FIJO --- --- --- --- 11.26 ---

APALANCAMIENTO -7.46 119.83 168.43 --- 210.11 99.88

ROTACIÓN DE CARTERA --- --- --- --- -3.56 ---

ROTACIÓN DE VENTAS --- --- 10.27 --- --- ---

RENTABILIDAD NETA DEL ACTIVO (DU

PONT) 29.46 --- --- 125.99 --- -78.76

MARGEN BRUTO --- --- --- --- -14.55 ---

RENTABILIDAD FINANCIERA --- --- --- -43.48 --- 59.28

CONSTANTE 15.63 -62.54 -88.97 -9.17 -91.56 -45.77

* Datos transformados LN+1


Elaboración: Autor

4.2.1 VARIABLES DISCRIMINANTES DEL INDICADOR DE QUI EBRA PARA

EL SEGMENTO “GRANDES EMPRESAS”

La incidencia de la variable “Apalancamiento” en ambos años es clave, puesto que

para el año 2006 esta variable se muestra con signo negativo, es decir, mientras

mayor sea el apalancamiento, es más probable ser “insolvente”, sin embargo, para

el año 2009 la relación del apalancamiento es positiva, volviendo inverso el

159

análisis, esto se explica principalmente por la evolución que ha tenido esta

variable en el tiempo148 y porque para la realización del indicador de quiebra en el

año 2009 se realizó una transformación de sus variables.

Así mismo la “Rentabilidad Neta del Activo [Du Pont]” es importante en el año

2006, la cual muestra la capacidad de un activo para reproducir utilidades,

obviando su financiamiento (a través de deuda o de patrimonio), por lo que resulta

evidente que mientras más alta sea esta variable, más probabilidad tiene una

empresa de ser “solvente”. Es así como el año 2006 es explicado por una variable

de solvencia (“Apalancamiento”) y una variable de rentabilidad (“Rentabilidad Neta

del Activo [Du Pont]”).

Para el año 2009 además del “Apalancamiento”, se presentan las variables

“Prueba Ácida” (con mayor poder discriminatorio) y “Endeudamiento Patrimonial”,

la primera variable es positiva, es decir, las grandes empresas que posean un alto

nivel de liquidez tienen muy buena probabilidad de ser “solventes”, en cambio el

endeudamiento patrimonial tiene un signo negativo, mostrando que si una

empresa tiene un excesivo endeudamiento patrimonial, es más proclive a ser

“insolvente”.


EL SEGMENTO “MEDIANAS EMPRESAS”

La tabla 60 muestra que en el segmento “medianas empresas” ninguna variable

independiente en el año 2006 se repite en el año 2009, es así que el año 2006

está caracterizado por las variables de solvencia (“Endeudamiento Patrimonial” y

“Apalancamiento”) y de gestión (“Rotación de Ventas”), las variables de solvencia

son las que poseen mayor efecto discriminatorio, sin embargo, la primera tiene un

efecto negativo y la segunda un efecto positivo, es decir, a mayor endeudamiento

patrimonial, mayor riesgo de “insolvencia” y a mayor apalancamiento, menor es el

riesgo de “insolvencia”, tal como aconteció en el indicador de quiebra del

148

Revisar el capítulo 2, donde se explica el comportamiento del “Apalancamiento” en el período de estudio.

160

segmento “grandes empresas” al año 2009, a diferencia que las medianas están

caracterizadas también por la “Rotación de Ventas” variable que tiene signo

positivo, lo cual es lógico, pues mientras mayor sea esta variable, mayor será el

número de dólares generados por las ventas de la empresa, así como mayor será

la probabilidad de ser “solvente”.

El año 2009 en cambio, se explica a través de una variable de Liquidez (“Liquidez

Corriente”) y dos variables de rentabilidad (“Rentabilidad Neta del Activo [Du

Pont]” y “Rentabilidad Financiera”), en este año, la variable de rentabilidad

“Rentabilidad Neta del Activo [Du Pont]” es la que ejerce mayor efecto

discriminante, y tiene signo positivo, por lo cual, a través de sus activos, las

medianas empresas se vuelven más rentables, es decir, mientras mayor sea esta

variable, mayor será la posibilidad que sea “solvente”; la siguiente variable en

orden de capacidad discriminatoria es la “Liquidez Corriente”, la cual refleja que

las medianas empresas a través de su capacidad de liquidez pueden ser

“solventes”; y por último la otra variable que explica a las medianas empresas en

el año 2009 es la “Rentabilidad Financiera”, la cual posee el menor poder

discriminatorio, sin embargo, tiene signo negativo, es decir, a mayor rentabilidad

financiera mayor será la probabilidad de que sea “insolvente”, esto principalmente

porque el componente de rentabilidad a través del activo es superior al

componente de rentabilidad financiera, es decir, el financiamiento no es el camino

óptimo para que una mediana empresa pueda ser rentable, sino más bien su

propia capacidad de autogestión a través de sus propios activos.


EL SEGMENTO “PEQUEÑAS EMPRESAS”

Para el segmento de “pequeñas empresas”, las variables que tienen el mayor

poder discriminatorio y que son constantes en ambos años son las variables de

solvencia (“Endeudamiento Patrimonial” y “Apalancamiento”) como se puede

apreciar en la tabla 60.

161

Las denominadas “pequeñas empresas” al año 2006 son explicadas a través de

una variable de liquidez (“Liquidez Corriente”), tres variables de solvencia

(“Endeudamiento Patrimonial”, “Endeudamiento del Activo Fijo” y

“Apalancamiento”), una variable de gestión (“Rotación de Cartera”) y una variable

de Rentabilidad (“Margen Bruto”). La variable de liquidez es la cuarta en poder

discriminatorio, y tiene signo negativo, lo cual implica que la liquidez no es el

medio para que una pequeña empresa sea “solvente”; las variables de solvencia

son las de mayor poder discriminatorio siendo el “Endeudamiento Patrimonial” la

variable de mayor poder discriminatorio inverso, es decir, mientras más nivel de

endeudamiento patrimonial tenga una pequeña empresa, mayor será la posibilidad

que ésta sea “insolvente”, no así con las variables “Endeudamiento del Activo Fijo”

y “Apalancamiento”, el segundo con mayor poder discriminatorio, para ser

“solventes”, esto principalmente porque en este segmento de empresas la

totalidad del activo fijo se podría haber financiado con el patrimonio de la empresa,

sin necesidad de préstamos de terceros.

La “Rotación de Cartera” en cambio tiene un efecto inverso, lo que explicaría que

las pequeñas empresas no deben exponerse mucho con sus cuentas por cobrar; y

finalmente la variable de rentabilidad (“Margen Bruto”) si bien posee un poder

discriminatorio mínimo, es importante rescatar que las pequeñas empresas deben

valerse mucho más por su gestión y solvencia que por su rentabilidad frente a los

costos incurridos en las ventas.

A su vez, las pequeñas empresas al año 2009 se discriminan a través de cuatro

variables, dos variables de solvencia (“Endeudamiento Patrimonial” y

“Apalancamiento”) y dos variables de rentabilidad (“Rentabilidad Neta del Activo

[Du Pont]” y “Rentabilidad Financiera”); las variables de solvencia precisamente

son las de mayor poder discriminatorio, siendo el “Endeudamiento Patrimonial” la

variable de mayor peso, a la vez es de signo negativo, por lo cual el tener

autonomía con terceros es vital para que una pequeña empresa sea “solvente”, y

por el lado de la rentabilidad, es importante la gestión financiera, es decir, el

162

aprovechamiento de la rentabilidad a través de buen financiamiento es clave para

que las empresas en este sector se mantengan como “solventes”.

4.3 DETERMINANTES DEL INDICADOR DE PRODUCTIVIDAD PA RA LA “INDUSTRIA MANUFACTURERA”

En el Capítulo 3 fue desarrollado el indicador de productividad para el sector “D”

“Industrias Manufactureras” en cada uno de los diferentes segmentos

empresariales y para los años 2006 y 2009, este apartado tiene como finalidad

analizar las variables que discriminan la productividad empresarial en cada uno de

los segmentos y años de estudio, para lo cual será indispensable y recurrente el

uso de la tabla 61.

Tabla 61. - Resumen de los coeficientes de las ecua ciones de los indicadores de productividad, grandes, medianas y pequeñas empresa s, años 2006 y 2009

VARIABLES GRANDES MEDIANAS PEQUEÑAS

2006* 2009* 2006* 2009 2006* 2009*

INGRESOS / INV. TOTAL --- --- --- 0.23 --- 20.58

INGRESOS / COSTO TOTAL --- 27.60 --- 8.91 --- ---

INGRESOS / G. SUELDOS --- --- --- --- 55.49 ---

BENEF. / NÚM. DE TRABAJADORES --- --- 0.83 --- --- ---

BENEF. / G. SUELDOS 3.78 --- --- --- 10.98 16.53

PROD / INV. TOTAL --- --- --- --- --- -17.59

PROD / NÚM. DE TRABAJADORES -1.25 --- --- 0.00 --- ---

PROD / G. SUELDOS -4.79 --- --- --- -59.45 ---

ROA (Retorno sobre los Activos) 21.81 40.40 --- 69.85 --- ---

ROE (Retorno sobre el Capital Propio) --- -10.75 --- --- --- ---

ROTACIÓN DE VENTAS -2.62 3.63 5.16 --- --- 8.77

PROD / COSTO TOTAL --- --- 15.99 --- --- ---

CONSTANTE 28.56 -27.38 -31.96 -20.42 31.95 -12.96

* Datos transformados LN+1


Elaboración: Autor

163

4.3.1 VARIABLES DISCRIMINANTES DEL INDICADOR DE PRO DUCTIVIDAD

PARA EL SEGMENTO “GRANDES EMPRESAS”

Al año 2006 la “Producción / Gasto Sueldos” es la variable con mayor poder

discriminatorio de productividad, aunque se presenta en forma negativa, es decir,

para una empresa grande el tener una relación excesivamente alta entre

producción y sueldos puede ser contraproducente para su productividad, más que

todo porque hay que considerar el tamaño del mercado para el cual una empresa

produce; la siguiente variable con alto poder discriminatorio es el “ROA (Retorno

sobre los Activos)”, la cual tiene signo positivo, es decir, que la productividad de

este segmento se basa en el beneficio generado por el activo que posee la

empresa.

La variable “Beneficios / Gasto Sueldos” es la siguiente en orden de poder

discriminatorio, también posee signo positivo, lo cual suena lógico, pues un

balance positivo entre utilidad y sueldos de trabajadores es un indicador ideal para

la productividad. Las dos últimas variables y que menos peso discriminatorio

poseen son la “Producción / Número de Trabajadores” y “Rotación de Ventas”,

variables con signo negativo y que su alta relación significaría una alta posibilidad

de que una empresa en este segmento sea “improductiva”, principalmente la

primera por su relación directa con el número de trabajadores, pues es bien sabido

que hay procesos industriales en donde el número de trabajadores no se lo puede

reducir fácilmente sin afectar la productividad del negocio.

El año 2009 responde a cuatro variables discriminantes de productividad, las

cuales se analizan de acuerdo a su poder discriminatorio, en este sentido, la

variable que posee el mayor poder de discriminación es “Ingresos / Costo Total”,

la cual posee signo positivo, lo que implica que mientras una empresa

denominada grande posea una alta relación entre los ingresos y el costo total, su

posibilidad de ser “productiva” es muy alta; la siguiente variable es el “ROA

(Retorno sobre los Activos)”, con signo positivo también, dejando en claro la

importancia que tiene el activo para la generación del beneficio empresarial,

concordando con lo analizado en el 2006; la variable “ROE (Retorno sobre el

164

Capital Propio” es la siguiente de acuerdo al poder discriminatorio, tiene signo

negativo, es decir, que a diferencia de la importancia que tiene el ROA, la

perspectiva del ROE que mide la capacidad de la empresa de remunerar a los

accionistas, no es necesariamente primordial que sea grande para aportar con

“productividad”; y la última variable es la “Rotación de Ventas”, que si bien es la de

menor poder discriminatorio, tiene un efecto positivo a la “productividad”, dejando

en claro la importancia de la eficiencia en la utilización del activo total para ser

“productivos”. Es interesante notar que esta misma variable es común al 2006,

donde es negativa, aunque en ambos años el poder discriminatorio es poco

significante, sin embargo, una posible explicación a este fenómeno sería la

composición de los activos en el año 2006, pues este indicador mide la eficiencia

en la utilización del activo total y como se evidenció en el capítulo 2, este ratio al

año 2006 era menor que al año 2009.


PARA EL SEGMENTO “MEDIANAS EMPRESAS”

Revisando la tabla 61 se observa que son tres las variables que discriminan a las

medianas empresas al año 2006, a saber: “Beneficios / Número de Trabajadores”,

“Rotación de Ventas” y “Producción / Costo Total”, siendo este precisamente el

orden en el cual las variables poseen mayor poder discriminatorio, así, la variable

“Beneficios / Número de Trabajadores” es importante para las medianas empresas

puesto que mientras mayor sea esta relación, implicaría que la empresa obtiene

mayores beneficios por sobre su número de trabajadores, por lo cual sería más

“productiva” monetariamente, la “Rotación de Ventas”, también se constituye como

una variable para las medianas empresas, es decir, es vital la eficiencia en la

utilización del activo total para ser “productivos” y por último la “Producción / Costo

Total” si bien es la de menor poder discriminatorio, es importante tomar en cuenta

el nivel de producción versus los costos totales para ser “productivos”, si la

relación es pequeña querría decir que se desperdician recursos de diversa índole

en el proceso de producción de las medianas empresas.

165

El año 2009, el segmento “medianas empresas” está discriminado por cuatro

variables de signo positivo, que según su orden de poder discriminatorio son:

“ROA (Retorno sobre los Activos)”, “Ingresos / Costo Total”, “Ingresos / Inversión

Total” y “Producción / Número de Trabajadores”; las medianas empresas al año

2009 están principalmente definidas en cuanto a la importancia que tiene el activo

para la generación del beneficio empresarial, medida a través de la variable “ROA

(Retorno sobre los Activos)”, el siguiente componente importante es la implicación

que tienen los ingresos para este sector, es así que son discriminantes las

variables del ingreso versus el costo total y la inversión total, la generación de

ingresos para este sector es determinante para ser consideradas “productivas”.


PARA EL SEGMENTO “PEQUEÑAS EMPRESAS”

Para el año 2006 son tres las variables que discriminan al segmento “pequeñas

empresas”, siendo, de acuerdo a su poder discriminatorio: “Producción / Gasto

Sueldos”, “Ingresos / Gasto Sueldos” y “Beneficios / Gasto Sueldos”, dejando en

evidencia que al año 2006 lo más importante para que una pequeña empresa sea

productiva era mantener un nivel de sueldos estable que permita que la

producción, los ingresos por esa producción y los consiguientes beneficios

crezcan, haciendo que se mantenga “productiva” a través del tiempo, lo cual es

lógico puesto que una pequeña empresa posee obvias limitaciones para competir

con empresas de mayor tamaño.

Para el segmento “pequeñas empresas” al año 2009, son cuatro las variables

discriminatorias de productividad, que ordenadas según su poder discriminatorio

son: “Beneficios / Gasto Sueldos”, “Rotación de Ventas”, “Ingresos / Inversión

Total” y “Producción / Inversión Total”; en este año sigue siendo de importancia el

nivel de gastos en sueldos que pueda mantener una empresa pequeña para ser

“productiva”, ahora únicamente relacionada con los beneficios, que al fin y al cabo

son el gran objetivo del proceso inversión – producción – ingresos – beneficios;

luego la “Rotación de Ventas” tiene su importancia en la ya demasiado

mencionada eficiencia en la utilización del activo total para ser “productivos” y en

166

la última parte se aprecia la importancia que tiene la inversión total de las

pequeñas empresas para poder ser “productivas”, contrastándose positivamente

en base a los ingresos, lo cual es lógico medir la capacidad de ingreso en base a

la inversión realizada, y también contrastando negativamente con la producción,

esto a priori podría deberse al hecho de que si bien realizar inversiones es ideal

para ser productivos, también hay que ser recíprocos con las capacidades propias

de las pequeñas empresas para poder tener niveles de producción elevados o no.

4.4 INTERRELACIÓN DE LOS INDICADORES DE QUIEBRA Y D E PRODUCTIVIDAD

Una vez que se tienen los indicadores de quiebra y de productividad, el objetivo de

este apartado es analizar cómo interactúan el uno con el otro y si tienen una

relación directa o inversa el uno con el otro, es decir, determinar si la solvencia y la

productividad van de la mano o si por el contrario se contraponen la una con la

otra.

No hay que olvidar que para la elaboración de los indicadores de quiebra y de

productividad se utilizó el análisis discriminante en los capítulos 2 y 3

respectivamente, en donde se clasificaron las empresas de acuerdo a si eran

consideradas “solventes” (1) o “insolventes” (0); así mismo para el caso de la

productividad se clasificaron a las empresas de acuerdo a si eran “productivas” (1)

o si eran “improductivas” (0), información importante de recordar para el desarrollo

del presente capítulo.

4.4.1 COMPORTAMIENTO DE LOS INDICADORES DE QUIEBRA Y DE

PRODUCTIVIDAD EN EL SEGMENTO “GRANDES EMPRESAS”

Para realizar la comparación se utiliza una base que resume a las diferentes

muestras que fueron parte de la elaboración de los diferentes indicadores (quiebra

2006 y 2009 y productividad 2006 y 2009). Se evidencia que para el año 2006

167

existe un 67.11% de concordancia149, es decir, cuando una empresa se clasificó

como “solvente”, ésta a su vez también fue clasificada como “productiva”; así

como si una empresa fue clasificada como “insolvente” también fue clasificada

como “improductiva”. Para el año 2009, la relación no varió mucho, puesto que el

porcentaje de concordancia fue del 67.76%, ligeramente superior a la del 2006; la

tabla 62 recoge una pequeña parte del segmento “grandes empresas”.

Tabla 62. Comparación de las puntuaciones discrimin antes de quiebra y productividad del segmento “grandes empresas”

EMPRESA QUIEBRA PRODUCTIVIDAD

2006 2009 2006 2009

ACERIAS NACIONALES DEL ECUADOR SOCIEDAD

ANONIMA (A.N.D.E.C) 8.78 4.59 0.10 0.77

BIC ECUADOR (ECUABIC) S.A. 13.57 9.81 7.84 12.67

CHOVA DEL ECUADOR SA 10.58 15.09 5.59 5.54

CODANA S.A. 2.00 -7.47 4.97 -1.70

CONDUIT DEL ECUADOR SA -6.68 -12.87 -1.54 -4.52

DECORTEXTILES CIA. LTDA. 3.79 -10.10 2.17 -1.46

ECUAVEGETAL SA -28.06 -9.26 -0.98 -1.96

EDITORES E IMPRESORES EDIMPRES SA -1.93 -6.23 5.58 0.95

ETERNIT ECUATORIANA SA 5.99 15.91 3.58 7.00

FABRICA JURIS CIA LTDA 3.40 2.41 3.31 3.63

FLORALP SA 0.01 -5.33 0.90 -0.48

GRUPO EL COMERCIO C.A. 4.28 4.51 4.74 7.01

INGESA S.A. 7.96 14.54 5.72 3.13

KELLOGG ECUADOR C. LTDA. ECUAKELLOGG 7.10 8.87 4.95 9.85

LAQUINSA ANDINA S.A. -4.72 -7.09 -7.85 -3.90

LEVAPAN DEL ECUADOR SA 8.34 9.25 2.67 6.01

MONTERREY AZUCARERA LOJANA CA MALCA 3.66 -2.93 4.82 -0.79

NIFA S.A. 5.35 11.64 4.55 7.29

PRODUCTOS FAMILIA SANCELA DEL ECUADOR S.A 3.81 2.60 0.69 4.69

UMCO S.A. 6.02 11.43 6.23 3.56

VERNAZA GRAFIC C LTDA 9.41 16.38 6.33 3.89

Elaboración: Autor

149

Fueron tomadas en cuenta un total de 152 empresas una vez compiladas las 4 bases de muestras con las que se elaboraron los indicadores de quiebra 2006 y 2009 y de productividad 2006 y 2009; esto con el fin de tener a las mismas empresas en los cuatro escenarios y poder robustecer su comparación.

168

De manera general, al observar la tabla 62, se puede ver que cuando una

empresa posee una puntuación alta en el indicador de quiebra, también la tiene su

puntuación del indicador productividad y viceversa; ahora la atención se

concentrará en aquellas empresas que sobresalen del resto, es decir, aquellas

empresas de la muestra que se encuentran en las mejores condiciones de

solvencia y de productividad; la tabla 63 resume a las diez mejores empresas del

segmento “grandes empresas”.

Tabla 63. Empresas del segmento “grandes empresas” con BPQ 150 y BPI151 al año 2009


LOGIKARD C.A. 23.70 12.45

PRODUCARGO S.A. PRODUCTORA DE ALCOHOLES 20.92 8.65

EMPRESA PESQUERA POLAR SA 15.24 13.05

BRISTOL-MYERS SQUIBB ECUADOR CIA. LTDA. 19.62 6.14

ETERNIT ECUATORIANA SA 15.91 7.00

BIC ECUADOR (ECUABIC) S.A. 9.81 12.67

NIFA S.A. 11.64 7.29

LEVAPAN DEL ECUADOR SA 9.25 6.01

GRAFICOS NACIONALES SA GRANASA 13.66 6.00

CHOVA DEL ECUADOR SA 15.09 5.54

Elaboración: Autor

En la tabla 63 se presentan las diez empresas mejor ubicadas de la muestra que

se analizó, estas son empresas que presentan una baja probabilidad de quiebra y

baja probabilidad de improductividad, es decir, sus respectivas puntuaciones son

altas y en conjunto demuestran una consistencia empresarial capaz de afrontar los

diferentes problemas de solvencia y productividad que se les pudiera presentar.


PRODUCTIVIDAD EN EL SEGMENTO “MEDIANAS EMPRESAS”

El proceso de comparación se lo hizo a través de una base combinada de las

diferentes muestras que fueron parte de la elaboración de los diferentes 150

Baja probabilidad de quiebra 151 Baja probabilidad de improductividad

169

indicadores (quiebra 2006 y 2009 y productividad 2006 y 2009), se evidencia que

para el año 2006 existe un 51.93% de concordancia152, lo cual quiere decir que de

cada diez casos, en cinco ocurriría que si una empresa se clasifica como

“solvente”, ésta a su vez también se clasifica como “productiva”, así como si una

empresa se clasifica como “insolvente” también se clasifica como “improductiva”.

Para el año 2009, la relación fue más fuerte, puesto que el porcentaje de

concordancia fue del 63.54%, superior a la del 2006; la tabla 64 recoge una

pequeña parte del segmento “medianas empresas”.

Tabla 64. Comparación de las puntuaciones discrimin antes de quiebra y productividad del segmento “medianas empresas”


2006 2009 2006 2009

AGROINDUSTRIA DEL PARAISO S.A. AGROPARAISO 4.20 1.39 1.58 13.39

ASTRA C.A. 2.93 2.04 0.75 5.38

BORSEA S.A. -11.82 -1.43 -1.11 -2.62

CALAMANTE S.A. 9.78 4.84 32.70 23.59

CHI-VIT ECUADOR S.A. -4.98 -0.53 -0.94 -3.94

COMESTIBLES SALAMANCA JUNCA COMSAJU CIA. LTDA. -12.60 -2.38 0.70 1.93

CORRUCART CORRUGADOS DEL ECUADOR CIA. LTDA -9.38 -2.97 -0.39 -0.06

CRISTALES LAMINADOS Y TEMPERADOS CRILAMIT S.A. 7.93 5.66 2.80 3.53

CURTIDURIA TUNGURAHUA S.A. 9.30 -1.14 -0.72 4.37

EL MERCURIO CIA LTDA 9.40 2.04 18.32 20.63

GRAFANDINA SA 17.24 22.52 6.88 24.04

HORMIGONES Y PISOS HORMIPISOS C.LTDA. 16.24 4.31 6.94 16.43

INCOPLAST S.A. -3.87 -1.63 -0.46 -1.94

INDUSTRIAL PROCESADORA SANTAY S.A. -16.03 0.54 -0.08 5.18

MAXIPAN S.A. 17.62 15.19 4.14 20.03

ORMAZABAL VALDERRAMA CONSTRUCCIONES S.A. -1.98 1.10 18.65 -1.57

PASTIFICIO TOMEBAMBA CIA. LTDA. 1.00 3.50 1.23 5.61

RENOVALLANTA S.A. 15.84 6.13 1.38 6.67

TEXTILES DEL PACIFICO TEXPAC CIA LTDA 17.28 6.95 2.09 12.36

ZOLDAN & ZOLDAN CIA. LTDA. 4.39 0.49 0.10 3.73



170

Al observar la tabla 64, en forma general, se puede ver que cuando una empresa

posee una puntuación alta en el indicador de quiebra, relativamente también la

tiene su puntuación en el indicador de productividad y viceversa; ahora la atención

se concentrará en aquellas empresas que sobresalen del resto, es decir, aquellas

empresas de la muestra que se encuentran en las mejores condiciones de

solvencia y de productividad; la tabla 65 resume a las diez mejores empresas del

segmento “medianas empresas”.

Tabla 65. - Empresas del segmento “medianas empresa s” con BPQ y BPI al año 2009


GRAFANDINA SA 22.52 24.04

ENVASES TAMBORES NACIONALES CA ENTANACA 18.93 24.31

MAXIPAN S.A. 15.19 20.03

PRODUCTOS ECUATORIANOS ECUAMAIZ C. LTDA 17.55 16.77

METALES Y AFINES SA 11.23 14.50

DIVERSEY WYANDOTTE DEL ECUADOR SA 9.34 14.00

TEXTILES DEL PACIFICO TEXPAC CIA LTDA 6.95 12.36

PANIFICADORA INDUSTRIAL CIA LTDA 7.24 11.39

PASTIFICIO AMBATO C.A. 7.45 11.05

DOUCAS S.A. 7.21 10.90

Elaboración: Autor

En la tabla 65 se pueden observar a las diez empresas mejor ubicadas de la

muestra que se ha analizado, estas son empresas que presentan una baja

probabilidad de quiebra y una baja probabilidad de improductividad, es decir, sus

respectivos indicadores son altos y, en conjunto, sus indicadores de quiebra y

productividad demuestran una consistencia empresarial capaz de afrontar los

diferentes problemas de solvencia y productividad que se les pudiera presentar.


PRODUCTIVIDAD EN EL SEGMENTO “PEQUEÑAS EMPRESAS”

El proceso de comparación se lo hizo en base a la combinación de las diferentes

muestras que fueron parte de la elaboración de los diferentes indicadores (quiebra

171

2006 y 2009 y productividad 2006 y 2009), se evidencia que para el año 2006

existe un 50.30% de concordancia153, lo cual quiere decir que de cada diez casos,

en cinco ocurriría que cuando una empresa pequeña se clasifica como “solvente”,

ésta a su vez también se clasifica como “productiva”, así como si una empresa

pequeña se clasifica como “insolvente” también se clasifica como “improductiva”.

Para el año 2009, la relación fue más fuerte, puesto que el porcentaje de

concordancia fue del 69.23%, superior a la del 2006; la tabla 66 recoge una

pequeña muestra del segmento “pequeñas empresas”.

Tabla 66. Comparación de las puntuaciones discrimin antes de quiebra y productividad del segmento “pequeñas empresas”


2006 2009 2006 2009

AGUA CRISTAL ACRISTAL CA 14.41 5.32 5.86 1.32

BOTOPERLA S.A. 7.46 5.59 16.45 5.45

CASA INDUSTRIAL FARMACEUTICA SA CIFSA 10.44 6.40 19.17 4.85

CONSORCIO GRATOL S.A. -12.58 -9.89 -6.58 -4.56

DISTRIBUIDORA DE PLASTICOS SALGADO DISPLASAL CIA. LTDA. 8.91 11.61 7.35 8.11

ECOBEL ECUATORIANA DE COLOR Y BELLEZA S.A. 11.92 -2.32 8.34 5.18

ECUAROLLERS ECUATORIANA DE RODILLOS CIA. LTDA. 9.26 5.07 21.88 6.34

FABRIPOSTE C.A. FAPOSCAN -6.43 -7.41 0.09 0.24

INDUSTRIA DE FORMAS METALICAS METFOR C. LTDA. 5.62 3.79 8.53 8.36

JATUNHUAYRA COMPANIA LIMITADA 2.28 3.35 5.28 0.90

LABORATORIOS GIL C LTDA -7.24 16.70 8.50 -2.64

LAMIGAL LAMINADOS DEL ECUADOR C LTDA INDUSTRIA DE PERFILES -22.34 -7.41 -0.03 -3.46

MADERAS EQUINOCCIO MADEQUISA C LTDA 9.51 10.19 18.57 1.37

PALMERAS Y EXTRACTORA DEL BUA PALMEX S. A. 9.95 4.56 -8.28 -0.29

PANIFICADORA MONAR MONARPAN C.A. -14.58 -4.70 -6.67 -5.83

SICOMELEC SA SOC INDUSTRIAL PARA LA CONSTRUCCION DE… 3.23 -0.64 5.49 3.85

SUPER CAUCHOS WALDORIJ COMPAÑIA LIMITADA 5.95 7.97 22.53 11.27

TEJIMANIA CIA. LTDA. 8.39 5.13 15.87 5.59

TERFOR SA 10.97 1.85 4.45 -6.44

VIDORTEC S.A. 12.27 5.77 8.84 10.32



172

Al observar la tabla 66, en forma general, se puede ver que cuando una empresa

posee una puntuación alta en su indicador de quiebra, relativamente también la

tiene su puntuación en el indicador de productividad y viceversa; ahora la atención

se concentrará en aquellas empresas pequeñas que sobresalen del resto, es

decir, aquellas empresas de la muestra que se encuentran en las mejores

condiciones de solvencia y de productividad; la tabla 67 resume a las diez mejores

empresas del segmento “pequeñas empresas”.

Tabla 67. - Empresas del segmento “pequeñas empresa s” con BPQ y APP al año 2009


BALSECA C.LTDA. 7.78 10.69

CAMEPLAS CONVERTIDORA DE CAUCHO METAL Y PLASTICO C LTDA 12.77 13.05

CEPOLFI INDUSTRIAL C.A. 14.07 10.79

CUMBERLAND C LTDA 10.03 10.60

DISTRIBUIDORA DE PLASTICOS SALGADO DISPLASAL CIA. LTDA. 11.61 8.11

ECUATORIANA TEXTIL DE TEJIDOS PLANOS CIA LTDA PLANITEX 17.70 18.22

LETREROS UNIVERSALES S.A. LGU 12.07 19.47

PANIFICADORA LA CANASTA PANCASA SA 9.46 10.26

STEAMHOUSE INTERNATIONAL S.A. 12.25 43.76

ZULAC S.A. 10.73 11.68

Elaboración: Autor

En la tabla 67 se observa a las diez pequeñas empresas mejor ubicadas de la

muestra analizada, estas son empresas que presentan baja probabilidad de

quiebra y baja probabilidad de improductividad, es decir, al tener sus respectivos

indicadores altos, en su conjunto, sus indicadores de quiebra y productividad

demuestran una consistencia empresarial capaz de afrontar los diferentes

problemas de solvencia y productividad que se les pudieran presentar.

A manera de conclusión se puede observar que en general las empresas del

sector “Industrias Manufactureras” responden a una dinámica, donde una empresa

en muy buenas condiciones normalmente goza de buena solvencia y

productividad, y por el contrario, una empresa en pésimas condiciones adolece de

insolvencia y de improductividad, sin embargo, la dinámica no puede generalizarse

173

a todo el sector, siendo sensato manejar las empresas por segmentos, los mismos

que permiten tener conjuntos de empresas mucho más homogéneas entre sí, pero

que obviamente también tendrán diferencias propias en cuanto a sus montos de

activos, valor bruto de ventas anuales, personal ocupado, dinámica de negocio

interrelación entre sí mismas y con empresas de otros sectores económicos, entre

otros factores que hacen difícil concebir a todas las empresas como semejantes

absolutas.

174

CAPÍTULO V

CONCLUSIONES Y RECOMENDACIONES

5.1 CONCLUSIONES

• La Industria Manufacturera contribuye significativamente en la generación del PIB ecuatoriano, a través de las empresas existentes, la formación de nuevas empresas y las fusiones empresariales, generando dinamismo en la economía ecuatoriana.

• La Industria Manufacturera es el segundo sector que mayor cantidad de empleados agrupa, pues al año 2009 concentra alrededor del 19% del personal ocupado, según la actividad económica; es decir, este es un sector fundamental en la sostenibilidad de empleos para el país.

• La distribución laboral de la Industria Manufacturera ha cambiado a través del tiempo, siendo al año 2009 mayormente concentrada por empleados administrativos (46%), a diferencia de los anteriores años donde su distribución se concentraba en los empleados para la producción (39%).

• La Industria Manufacturera es el tercer sector en cuanto a la cantidad de empresas, sin embargo, a través del período de estudio ha mantenido una tendencia decreciente en cuanto a su número.

• El sector de la Industria Manufacturera en el período de estudio, en promedio, es el segundo sector que más empresas concentra entre las mil empresas más importantes del Ecuador, poniendo, en promedio, alrededor del 7% de sus empresas en este grupo selecto, haciendo relevante la importancia que tiene este sector (Ver anexo 2).

• La Industria Manufacturera se encuentra conformada principalmente por pequeñas y microempresas; sin embargo, estos segmentos de empresas son las que también presentan mayor porcentaje de empresas en condición de “disuelta y/o liquidada”, por lo cual es importante su control para reducir el número de empresas que lleguen a tener esta condición.

175

• El sector “Industrias Manufactureras”, a nivel agregado, es un sector que goza de una sana liquidez, es decir, a nivel de sector no tendrían problemas en solventar sus deudas de corto plazo o algún desajuste de corto plazo, así al año 2009 su liquidez corriente promedio oscilaba alrededor de 2.47.

• La dependencia que tiene el sector “Industrias Manufactureras” de sus acreedores es manejable, como sector (a nivel agregado) está comprometido en alrededor del 55% con sus acreedores.

• La Industria Manufacturera no cuenta con una autonomía sobre terceros, debido a que su indicador de endeudamiento patrimonial oscila alrededor de 2, lo que quiere decir que su patrimonio no es suficiente para responder por sus obligaciones.

• La gestión de la Industria Manufacturera es buena, considerando que la rotación de sus activos y ventas siempre oscilan en valores relativamente adecuados para mantener una normal gestión empresarial.

• La rentabilidad del sector “Industrias Manufactureras” está muy bien sustentada en sus operaciones, se comprueba que tanto su margen operacional como su rentabilidad operacional siempre se han mantenido crecientes en el tiempo del período de estudio.

• Las empresas de la Industria Manufacturera son muy diversas y diferentes, razón por la cual es importante manejarlas de acuerdo al segmento al que pertenecen, debido que no es muy lógico ni acertado comparar una empresa “gigante” versus una empresa “minúscula”, en base a su producción, por ejemplo.

• A través del tiempo medir la solvencia de las empresas ha sido importante y ha permitido la utilización de diferentes técnicas matemáticas para este cometido; sin embargo, estas herramientas pueden ser consideradas en diferentes investigaciones, de acuerdo a las condiciones y realidades propias del entorno; en este sentido, la utilización de alguna de las diferentes técnicas dependerá del cumplimiento de restricciones, de la información disponible, del software y/o de la metodología, sin dejar de lado los resultados que se deseen obtener.

176

• La solvencia de las grandes empresas de la Industria Manufacturera se encuentra definida principalmente por el nivel de apalancamiento que puedan generar y por su liquidez.

• La solvencia de las medianas empresas de la Industria Manufacturera se encuentra definida principalmente por su nivel de liquidez y por la rentabilidad que estas generan a través de sus activos, dejando de la lado la rentabilidad financiera, la cual en este segmento empresarial no es trascendente.

• La solvencia de las pequeñas empresas de la Industria Manufacturera se encuentra definida principalmente por su capacidad de gestión y la rentabilidad que se pueda alcanzar a través del financiamiento de sus actividades; es decir, la capacidad de deuda externa que pueda gestionar para su desenvolvimiento debido a su propia naturaleza de pequeña.

• La solvencia de las empresas de la Industria Manufacturera no puede explicarse de forma general para todo tipo de empresas, las cualidades propias (como el nicho de mercado) que tienen las empresas grandes, medianas y pequeñas son las que definen de forma diferente la capacidad de solvencia de una empresa de uno u otro segmento.

• La elaboración de indicadores de quiebra para el sector “Industrias Manufactureras” permite analizar la capacidad de solvencia empresarial de las compañías de este sector, convirtiéndose en un instrumento para prevenir insolvencias.

• Las grandes empresas están estructuradas por 45% de empresas solventes al año 2006 y 35% al año 2009; las medianas empresas, por su parte, están estructuradas por 31% de empresas solventes al año 2006 y 37% al año 2009; mientras que las pequeñas empresas están estructuradas por 47% al año 2006 y 56% al año 2009, mostrando que las grandes empresas en este período de tiempo han disminuido su capacidad de solvencia.

• Al año 2009, de acuerdo al termómetro de insolvencia, la mayor parte de las grandes empresas se concentran en “zona de penumbra” (34%), es decir, empresas que deben tener cuidado de no caer en insolvencia y empresas que tienen oportunidad de recuperarse en cuanto a solvencia. Las medianas empresas, por su parte, se concentran en mayor cantidad en “riesgo alto de insolvencia”, es decir, empresas que presentan insolvencia y

177

corren un riesgo considerado para entrar en quiebra. En cambio, las pequeñas empresas se concentran en mayor cantidad en “riesgo bajo de insolvencia”, así, son el segmento que concentra la mayor parte de empresas en una zona con bajo riesgo de insolvencia.

• La productividad de las grandes empresas de la Industria Manufacturera está definida principalmente por la relación creciente entre los ingresos y el costo, es decir, su condición productiva se da mediante la capacidad de ingresos a través de ventas que se generan y la reducción de costos totales incurridos por la empresa, todo esto conjugado con la importancia que tiene el activo en la generación del beneficio empresarial.

• La productividad de las medianas empresas de la Industria Manufacturera está definida principalmente por la capacidad que tienen sus activos en la generación de beneficios para la empresa y por su capacidad de ingresos a través de las ventas, es decir, las medianas empresas que tienen altos ingresos por sus ventas y los destinan a activos productivos, tienen muy buenas posibilidades de ser productivas.

• La productividad de las pequeñas empresas de la Industria Manufacturera está determinada por la conjugación entre los beneficios de las empresas y los sueldos a sus trabajadores, además de una adecuada utilización de sus activos para la generación de producción.

• La productividad de las empresas de la Industria Manufacturera no puede explicarse a través de un solo componente, sin embargo, la importancia que tiene el manejo de los activos de la empresa es importante para el desarrollo de su productividad.

• En el sector “Industrias Manufactureras”, las grandes empresas están estructuradas por 59% de empresas productivas al año 2006 y 51% al año 2009; las medianas empresas, por su parte, están estructuradas por 59% de empresas productivas al año 2006 y 57% al año 2009; mientras que las pequeñas empresas están estructuradas por un 74% de empresas productivas al año 2006 y 62% al año 2009, mostrando que, en general, la productividad empresarial ha disminuido en el tiempo en cada uno de los segmentos empresariales.

• Al año 2009, de acuerdo al termómetro de productividad, la mayor parte de las grandes empresas se concentran en la zona de “riesgo alto de

178

improductividad” (28%), las medianas empresas en la “zona de penumbra” (25%)y las pequeñas empresas en la zona de “riesgo muy bajo de improductividad” (26%), en este sentido, se denota que las grandes empresas necesitan correctivos para la reactivación de la producción y la productividad.

• El determinar indicadores de productividad para el sector “Industrias Manufactureras” permite diagnosticar la situación productiva de las compañías del sector para la toma de decisiones empresariales, y así desarrollar técnicas productivas que impulsen el desarrollo del sector.

• Para las grandes empresas de la Industria Manufacturera, la relación entre solvencia y productividad es del 67.8%; es decir, este es el nivel total sobre el cual una empresa solvente es productiva o por el contrario, una empresa insolvente es improductiva.

• La relación entre solvencia y productividad, para las medianas empresas de la Industria Manufacturera, es del 63.54%, manifestando la consistencia que tiene el hecho de ser solvente y productivo o en caso contrario el ser insolvente e improductivo.

• Para las pequeñas empresas de la Industria Manufacturera, la relación entre solvencia y productividad es del 69.23%; en otras palabras, este es el porcentaje de relación entre empresas solventes y productivas o, viéndolo en el sentido contrario, insolventes e improductivas.

• En general, las empresas del sector “Industrias Manufactureras” responden a una dinámica, donde una empresa en muy buenas condiciones normalmente goza de buena solvencia y productividad, y por el contrario, una empresa en pésimas condiciones adolece de insolvencia y de improductividad; sin embargo, la dinámica no puede generalizarse a todo el sector, siendo sensato manejar las empresas por segmentos y revisar la condición particular de empresas que pueden adolecer de insolvencia pero no de productividad, o viceversa.

• La mitigación de quiebras empresariales permite ser más productivo al sector “Industrias Manufactureras”, pues la estabilidad de la solvencia es un factor clave para el sostenimiento de la productividad empresarial.

179

5.2 RECOMENDACIONES

• Se deben implementar mecanismos óptimos que permitan la creación y fusión de empresas en el sector de la Industria Manufacturera, a fin que puedan seguir generando producción con productividad para la economía nacional del Ecuador.

• Se recomienda analizar las razones por las cuales ha cambiado la composición de los trabajadores en el sector “Industrias Manufactureras”, es decir, descubrir las razones y encontrar las circunstancias profundas por las cuales a través del tiempo este sector se ha ido conformando en mayor medida por empleados administrativos, a diferencia del pasado donde su concentración estaba en los empleados para la producción.

• Sería importante conocer las razones puntuales por las cuales las pequeñas y microempresas de la industria manufacturera incurren en situaciones de “disolución y/o liquidación”, de manera que se pueda contrarrestar esta circunstancia, no solo limitándose al plano financiero, sino con énfasis en los planos: productivo, coyuntural, cultural, social y de interrelación con el resto de empresas, lo que ayudaría a entender mejor la perspectiva de estos segmentos empresariales.

• Es recomendable la instauración de una investigación específica en cuanto a las microempresas, debido a su alta concentración de empresas disueltas y/o liquidadas, de manera que se puedan encontrar y combatir las principales causas que perjudican su sostenibilidad en el tiempo.

• Es necesario que las empresas del sector “Industrias Manufactureras” analicen su capacidad de compromisos con terceros, principalmente aquellas que cuentan con un patrimonio pequeño, de manera que puedan responder adecuadamente a sus respectivos compromisos.

• Se requiere que las empresas que conforman la industria manufacturera pongan atención en sus ventas, gestión y financiamiento para la consecución de rentabilidad, puesto que si bien operativamente son rentables, aún falta mejorar en estos otros sentidos.

180

• Se recomienda que la obtención de la información por parte de las instituciones responsables se la haga con mayor rigurosidad, de manera que se pueda obtener información más completa y a tiempo para establecer una visión más cercana a la realidad del estudio que se esté desarrollando con respecto a la información mencionada.

• Se recomienda utilizar los análisis de solvencia y de productividad como complementarios, más no como consecuentes uno de otro, puesto que si bien pueden complementarse, la existencia de estabilidad en alguno de los dos, no implica necesariamente la estabilidad del otro componente.

• Se recomienda estudiar el comportamiento que tienen las empresas que poseen solvencia con improductividad o productividad con insolvencia, creando una ampliación de esta investigación y particularizando condiciones empresariales diferentes a las aquí tomadas en cuenta.

• Es muy importante considerar la realización de controles y/o seguimientos a las empresas que se encuentran en las categorías de alto riesgo, tanto de insolvencia como de improductividad, además de la generación e implementación de acción acorde al riesgo que mantengan y a la naturaleza y funcionamiento particular de cada una de estas empresas.

• Se recomienda la utilización de esta investigación como punto de partida para futuras investigaciones sobre la quiebra y productividad empresarial y tomar en cuenta la línea base que se pueda obtener para la elaboración de futuras investigaciones.

181

REFERENCIAS

• ALARCÓN, Armenteros y ULLOA, Paz: "El análisis de los estados financieros: papel en la toma de decisiones gerenciales" en Observatorio de la Economía Latinoamericana, Nº 167, 2012. Texto completo en http://www.eumed.net/cursecon/ecolat/cu/2012/

• ALTMAN, E. “Predicting financial distress of companies: revisiting the z-score and zeta® models”, Julio 2000.

• ARROYO, J, PEÑA, D, MAYORGA, J. “Insolvencia de las sociedades colombianas, 1994-2004: Análisis bajo el enfoque de modelos de duración” 2009.

• BALL, R, y FOSTER, G. “Corporate Financial Reporting: A methodological Review of Empirical Research”, Journal of Accounting Research, supplement 1982, pp. 161 – 234.

• BANCO CENTRAL DEL ECUADOR. Nota metodológica sobre indicadores sectoriales de competitividad y productividad. www.bce.fin.ec

• COLL, Vicente y BLASCO, Olga. “Evaluación de la eficiencia mediante el análisis envolvente de datos. Universidad de Valencia” 2006

• COREMBERG, A. “La medición de la productividad y los factores productivos Argentina 1990-2004”. (2005)

• CORREA, A, ACOSTA, M y GONZÁLEZ, A. “La insolvencia empresarial: un análisis empírico para la pequeña y mediana empresa”. Revista de Contabilidad. Santander. Vol. 6, nº 12, julio – diciembre 2003. Pp. 47 – 49.

• EDITORIAL CURSOS LUIS BONILLA SL. Escuela Universitaria de Estudios Jurídicos y Económicos del Campo de Gibraltar 'Francisco Tomás y Valiente'

• EILON, Samuel. “A Framework for Profitability and Productivity Measures”, 1985

182

• ENCICLOPEDIA ESTUDIANTIL. Edición 1999. G.F. Printing. Madrid, España.

• GARCÍA, Carolina. “La competitividad Agrícola: ¿cómo se obtiene?”, Universidad Nacional de Colombia

• http://www.asesorescorporativos.net/

• http://www.buenastareas.com/ensayos/Quiebras/1241208.html

• http://www.derechoecuador.com. Revista Judicial. Publicación del 2 de abril de 2008.

• http://www.enciclopediafinanciera.com/indicadores-financieros.html

• http://www.epm.net.co/~asecorp/documentos/indfin.pdf

• http://www.gestiopolis.com/canales5/fin/evafinan.html

• http://www.infosigma.com/diagnostico_financiero.html

• http://www.misrespuestas.com/que-es-la-insolvencia.html

• IBARRA, Alberto. “Análisis de las dificultades financieras de las empresas en una economía emergente: las bases de datos y las variables independientes en el sector hotelero de la bolsa mexicana de valores”, Tesis Doctoral, España, Barcelona. Junio de 2001

• INSTITUTO NACIONAL DE FORMACIÓN TÉCNICO PROFESIONAL. “Metodología de medición y mejoramiento de la productividad empresarial. Guía para su aplicación”, República Dominicana. http://www.oitcinterfor.org/sites/default/files/edit/docref/metodologia_simapro_rep_dom.pdf

• LACHENBRUCH, P, SNURINGER, C, y REVO, T. “Robustness of the linear and quadratic discriminant function to certain types of non-normality”. Communications in statistics 1. 1973, pp. 39 - 56.

• LANTERI, Luis. “Productividad, desarrollo tecnológico y eficiencia. La propuesta de los índices Malmquist”.

183

• LEY DE COMPAÑÍAS. Registro Oficial 312, 5 de noviembre de 1999. Ecuador

• MERTENS, L. “La medición de la productividad como referente de la formacion-capacitacion articulada con el aprendizaje organizacional: Una propuesta metodológica” 1999.

• MORA, Araceli. “Limitaciones metodológicas de los trabajos empíricos sobre la predicción del fracaso empresarial”. Revista española de financiación y contabilidad. Vol. XXIV, n 80. Julio – Septiembre 1994

• NACIONES UNIDAS. “Clasificación Industrial Internacional Uniforme de todas las actividades económicas (CIIU), Revisión 3.1”, 2005

• NACIONES UNIDAS. “Sistema de Cuentas Nacionales 1993”, Bruselas / Luxemburgo, Nueva York, París, Washington D.C., 1993

• PASCUAL, Martín. “Tres conceptos financieros: liquidez, solvencia y rentabilidad”, http://webs.ono.com/martinpascual

• PEREZ, J. y Granados M. “Razones Financieras” (revisar en la web: http://www.elprisma.com/apuntes/administracion_de_empresas/razonesfinancieras/default.asp)

• REAL ACADEMIA DE LA LENGUA ESPAÑOLA. “Diccionario de la lengua española”, vigésima edición, www.rae.es

• ROMANI, G, AROCA P, AGUIRRE, N, LEITON, P y MUÑOZ, J. “Modelos de clasificación y predicción de quiebras de empresas: una aplicación a empresas chilenas”. Fórum Empresarial. San Juan, Puerto Rico. Mayo, año/vol. 7, número 001, pp. 33 – 50.

• SABINO, Carlos. “Diccionario de Economía y Finanzas”. Ediciones Papanapo, Caracas, Venezuela. 1991, 304 páginas

• SANCHÍS, A., GIL, J. y HERAS, A. “El análisis discriminante en la previsión de la insolvencia en las empresas de seguros de no vida”. Revista española

184

de financiación y contabilidad. Vol. XXXII, nº 116. Enero – marzo 2003. Pp. 183 – 233.

• SERVICIO DE RENTAS INTERNAS (SRI). “Reporte Anual de Gestión 2008”

• SOTELSEK, D, LABORDA, L. “América Latina: medición de la eficiencia productiva y el cambio técnico incorporando factores ambientales” Revista CEPAL 101, 2010.

• SUPERINTENDENCIA DE COMPAÑÍAS. “Instructivo Societario”

• TABOADA, L. y LIMA, J. “Modelos de Evaluación del Riesgo de Insolvencia de Empresas Españolas Cotizadas”, 2008

• URIEL, E. y ALDÁS, J. “Análisis Multivariante Aplicado”, International Thomson Editores. Madrid, España. 2005.

185

ANEXOS

ANEXO 1. DESAGREGACIÓN DEL SECTOR “INDUSTRIAS MANUFACTURERAS” SEGÚN SUS ACTIVIDADES

INDUSTRIAS MANUFACTURERAS

D1511 PRODUCCION DE CARNE Y DE PRODUCTOS CARNICOS.

D1512 ELABORACION Y CONSERVACION DE PESCADO Y DE PRODUCTOS DE PESCADO.

D1513 ELABORACION DE FRUTAS, LEGUMBRES Y HORTALIZAS.

D1514 ELABORACION DE ACEITES Y GRASAS DE ORIGEN VEGETAL O ANIMAL.

D1520 ELABORACION DE PRODUCTOS LACTEOS.

D1531 ELABORACION DE PRODUCTOS DE MOLINERIA.

D1532 ELABORACION DE ALMIDONES Y DE PRODUCTOS DERIVADOS DEL ALMIDON.

D1533 ELABORACION DE PIENSOS PREPARADOS.

D1541 ELABORACION DE PRODUCTOS DE PANADERIA.

D1542 ELABORACION DE AZUCAR.

D1543 ELABORACION DE CACAO, CHOCOLATE Y PRODUCTOS DE CONFITERIA.

D1544 ELABORACION DE MACARRONES, FIDEOS, ALCUZCUZ Y PRODUCTOS FARINACEOS SIMILARES.

D1549 ELABORACION DE OTROS PRODUCTOS ALIMENTICIOS N.C.P.

D1551 DESTILACION, RECTIFICACION Y MEZCLA DE BEBIDAS ALCOHOLICAS; PRODUCCION DE ALCOHOL ETILICO A PARTIR DE SUSTANCIAS FERMENTADAS.

D1552 ELABORACION DE VINOS.

D1553 ELBORACION DE BEBIDAS MALTEADAS Y DE MALTA.

D1554 ELABORACION DE BEBIDAS NO ALCOHOLICAS: EMBOTELLADO DE AGUA MINERAL.

D1600 ELABORACION DE PRODUCTOS DE TABACO.

D1711 PREPARACION E HILATURA DE FIBRAS TEXTILES; TEJEDURA DE PRODUCTOS TEXTILES.

D1712 ACABADO DE PRODUCTOS TEXTILES POR CUENTA DE TERCEROS

D1721 FABRICACION DE ARTICULOS CONFECCIONADOS CON MATERIAS TEXTILES, EXCEPTO PRENDAS DE VESTIR.

D1722 FABRICACION DE TAPICES Y ALFOMBRAS PARA PISOS.

D1723 FABRICACION DE CUERDAS, CORDELES, BRAMANTES Y REDES.

D1729 FABRICACION DE OTROS PRODUCTOS TEXTILES N.C.P.

D1730 FABRICACION DE TEJIDOS Y ARTICULOS DE PUNTO Y GANCHILLO.

D1810 FABRICACION DE PRENDAS DE VESTIR, EXCEPTO PRENDAS DE PIEL.

D1820 ADOBO Y TEÑIDO DE PIELES; FABRICACION DE ARTICULOS DE PIEL.

D1911 CURTIDO Y ADOBO DE CUEROS.

D1912 FABRICACION DE MALETAS, BOLSOS DE MANO Y ARTICULOS SIMILARES Y ARTICULOS DE TALABARTERIA Y GUARNICIONERIA.

D1920 FABRICACION DE CALZADO.

D2010 ASERRADO Y ACEPILLADURA DE MADERA.

186

D2021 FABRICACION DE HOJAS DE MADERA PARA ENCHAPADO; FABRICACION DE MADERA TERCIADA, TABLEROS LAMINADOS, TABLEROS DE PARTICULAS Y OTROS TABLEROS Y PANELES.

D2022 FABRICACION DE PARTES Y PIEZAS DE CARPINTERIA PARA EDIFICIOS Y CONSTRUCCIONES.

D2023 FABRICACION DE RECIPIENTES DE MADERA.

D2029 FABRICACION DE OTROS PRODUCTOS DE MADERA; FABRICACION DE ARTICULOS DE CORCHO PAJA Y MATERIALES TRENZABLES.

D2101 FABRICACION DE PASTA DE PAPEL, PAPEL Y CARTON.

D2102 FABRICACION DE PAPEL Y CARTON ONDULADO O CORRUGADO Y DE ENVASES DE PAPEL Y CARTON.

D2109 FABRICACION DE OTROS ARTICULOS DE PAPEL Y CARTON.

D2211 EDICION DE LIBROS, FOLLETOS, PARTITURAS Y OTRAS PUBLICACIONES.

D2212 EDICION DE PERIODICOS, REVISTAS Y PUBLICACIONES PERIODICAS.

D2213 EDICION DE MATERIALES GRABADOS.

D2219 OTROS TRABAJOS DE EDICION.

D2221 ACTIVIDADES DE IMPRESION.

D2222 ACTIVIDADES DE TIPO SERVICIO RELACIONADAS CON LAS DE IMPRESION.

D2230 REPRODUCCION DE MATERIALES GRABADOS.

D2310 FABRICACION DE PRODUCTOS DE HORNOS DE COQUE.

D2320 FABRICACION DE PRODUCTOS DE LA REFINACION DEL PETROLEO.

D2330 ELABORACION DE COMBUSTIBLE NUCLEAR.

D2411 FABRICACION DE SUBSTANCIAS QUIMICAS BASICAS, EXCEPTO ABONOS Y COMPUESTOS DE NITROGENO.

D2412 FABRICACION DE ABONOS Y COMPUESTOS DE NITROGENO.

D2413 FABRICACION DE PLASTICOS EN FORMAS PRIMARIAS Y DE CAUCHO SINTETICO.

D2421 FABRICACION DE PLAGUICIDAS Y OTROS PRODUCTOS QUIMICOS DE USO AGROPECUARIO.

D2422 FABRICACION DE PINTURAS, BARNICES Y PRODUCTOS DE REVESTIMIENTO SIMILARES, TINTAS DE IMPRENTA Y MASILLAS.

D2423 FABRICACION DE PRODUCTOS FARMACEUTICOS, SUBSTANCIAS QUIMICAS MEDICINALES Y PRODUCTOS BOTANICOS.

D2424 FABRICACION DE JABONES Y DETERGENTES, PREPARADOS PARA LIMPIAR Y PULIR, PERFUMES Y PREPARADOS DE TOCADOR.

D2429 FABRICACION DE OTROS PRODUCTOS QUIMICOS N.C.P.

D2430 FABRICACION DE FIBRAS SINTETICAS O ARTIFICIALES.

D2511 FABRICACION DE CUBIERTAS Y CAMARAS DE CAUCHO; RECAUCHADO Y RENOVACION DE CUBIERTAS DE CAUCHO.

D2519 FABRICACION DE OTROS PRODUCTOS DE CAUCHO.

D2520 FABRICACION DE PRODUCTOS Y ARTICULOS DE PLASTICO.

D2610 FABRICACION DE VIDRIO Y DE PRODUCTOS DE VIDRIO.

D2691 FABRICACION DE PRODUCTOS DE CERAMICA NO REFRACTARIA PARA USO NO ESTRUCTURAL.

D2692 FABRICACION DE PRODUCTOS DE CERAMICA REFRACTARIA.

D2693 FABRICACION DE PRODUCTOS DE CERAMICA NO REFRACTARIA PARA USO ESTRUCTURAL.

D2694 FABRICACION DE CEMENTO, CAL Y YESO.

D2695 FABRICACION DE ARTICULOS DE HORMIGON, CEMENTO Y YESO.

187

D2696 CORTE, TALLADO Y ACABADO DE LA PIEDRA.

D2699 FABRICACION DE OTROS PRODUCTOS MINERALES NO METALICOS N.C.P.

D2710 FABRICACION DE PRODUCTOS PRIMARIOS DE HIERRO Y DE ACERO.

D2720 FABRICACION DE PRODUCTOS PRIMARIOS DE METALES PRECIOSOS Y DE METALES NO FERROSOS.

D2731 FUNDICION DE HIERRO Y DE ACERO.

D2732 FUNDICION DE METALES NO FERROSOS.

D2811 FABRICACION DE PRODUCTOS METALICOS PARA USO ESTRUCTURAL.

D2812 FABRICACION DE TANQUES, DEPOSITOS Y RECIPIENTES DE METAL.

D2813 FABRICACION DE GENERADORES DE VAPOR, EXCEPTO CALDERAS DE AGUA CALIENTE PARA CALEFACCION CENTRAL.

D2891 FORJA, PRENSADO, ESTAMPADO Y LAMINADO DE METAL, PULVIMETALURGIA.

D2892 TRATAMIENTO Y REVESTIMIENTO DE METALES; OBRAS DE INGENIERIA MECANICA EN GENERAL REALIZADAS A CAMBIO DE UNA RETRIBUCION O POR CONTRATA.

D2893 FABRICACION DE ARTICULOS DE CUCHILLERIA, HERRAMIENTAS DE MANO Y ARTICULOS DE FERRETERIA.

D2899 FABRICACION DE OTROS PRODUCTOS ELABORADOS DE METAL N.C.P.

D2911 FABRICACION DE MOTORES Y TURBINAS, EXCEPTO MOTORES PARA AERONAVES, VEHICULOS AUTOMOTORES Y MOTOCICLETAS.

D2912 FABRICACION DE BOMBAS, COMPRESORES, GRIFOS Y VALVULAS.

D2913 FABRICACION DE COJINETES, ENGRANAJES, TRENES DE ENGRANAJES Y PIEZAS DE TRANSMISION.

D2914 FABRICACION DE HORNOS, HOGARES Y QUEMADORES PARA LA ALIMENTACION DE HOGARES.

D2915 FABRICACION DE EQUIPO DE ELEVACION Y MANIPULACION.

D2919 FABRICACION DE OTROS TIPOS DE MAQUINARIA DE USO GENERAL.

D2921 FABRICACION DE MAQUINARIA AGROPECUARIA Y FORESTAL.

D2922 FABRICACION DE MAQUINAS HERRAMIENTA.

D2923 FABRICACION DE MAQUINARIA METALURGICA.

D2924 FABRICACION DE MAQUINARIA PARA LA EXPLOTACION DE MINAS Y CANTERAS Y PARA OBRAS DE CONSTRUCCION.

D2925 FABRICACION DE MAQUINARIA PARA LA ELABORACION DE ALIMENTOS, BEBIDAS Y TABACO.

D2926 FABRICACION DE MAQUINARIA PARA LA ELABORACION DE PRODUCTOS TEXTILES, PRENDAS DE VESTIR Y CUEROS.

D2927 FABRICACION DE ARMAS Y MUNICIONES.

D2929 FABRICACION DE OTROS TIPOS DE MAQUINARIA DE USO ESPECIAL.

D2930 FABRICACION DE APARATOS DE USO DOMESTICO N.C.P.

D3000 FABRICACION DE MAQUINARIA DE OFICINA, CONTABILIDAD E INFORMATICA.

D3110 FABRICACION DE MOTORES, GENERADORES Y TRANSFORMADORES ELECTRICOS.

D3120 FABRICACION DE APARATOS DE DISTRIBUCION Y CONTROL DE LA ENERGIA ELECTRICA.

D3130 FABRICACION DE HILOS Y CABLES AISLADOS.

D3140 FABRICACION DE ACUMULADORES, DE PILAS Y BATERIAS PRIMARIAS.

D3150 FABRICACION DE LAMPARAS ELECTRICAS.

D3190 FABRICACION DE OTROS TIPOS DE EQUIPO ELECTRICO N.C.P.

D3210 FABRICACION DE TUBOS Y VALVULAS ELECTRONICOS Y DE OTROS COMPONENTES ELECTRONICOS.

188

D3220 FABRICACION DE TRANSMISORES DE RADIO Y TELEVISION Y DE APARATOS PARA TELEFONIA Y TELEGRAFIA CON HILOS.

D3230 FABRICACION DE RECEPTORES DE RADIO Y TELEVISION Y DE PRODUCTOS CONEXOS PARA EL CONSUMIDOR.

D3311 FABRICACION DE EQUIPO MEDICO Y QUIRURGICO Y DE APARATOS ORTOPEDICOS.

D3312 FABRICACION DE INSTRUMENTOS Y APARATOS PARA MEDIR, VERIFICAR, ENSAYAR, NAVEGAR Y OTROS FINES EXCEPTO EQUIPO DE CONTROL DE PROCESOS INDUSTRIALES.

D3313 FABRICACION DE EQUIPO DE CONTROL DE PROCESOS INDUSTRIALES.

D3320 FABRICACION DE INSTRUMENTOS OPTICOS Y DE EQUIPO FOTOGRAFICO.

D3330 FABRICACION DE RELOJES.

D3410 FABRICACION DE VEHICULOS AUTOMOTORES.

D3420 FABRICACION DE CARROCERIAS PARA VEHICULOS AUTOMOTORES; FABRICACION DE REMOLQUES Y SEMIREMOLQUES.

D3430 FABRICACION DE PARTES, PIEZAS Y ACCESORIOS PARA VEHICULOS AUTOMOTORES Y PARA SUS MOTORES.

D3511 CONSTRUCCION Y REPARACION DE BUQUES.

D3512 CONSTRUCCCION Y REPARACION DE EMBARCACIONES DE RECREO Y DE DEPORTE.

D3520 FABRICACION DE LOCOMOTORAS Y DE MATERIAL RODANTE PARA FERROCARRILES Y TRANVIAS.

D3530 FABRICACION DE AERONAVES Y DE NAVES ESPACIALES.

D3591 FABRICACION DE MOTOCICLETAS.

D3592 FABRICACION DE BICICLETAS Y SILLONES DE RUEDAS PARA INVALIDOS.

D3599 FABRICACION DE OTROS TIPOS DE EQUIPO DE TRANSPORTE N.C.P.

D3610 FABRICACION DE MUEBLES DE CUALQUIER MATERIAL.

D3691 FABRICACION DE JOYAS Y DE ARTICULOS CONEXOS.

D3692 FABRICACION DE INSTRUMENTOS MUSICALES.

D3693 FABRICACION DE ARTICULOS DEPORTIVOS.

D3694 FABRICACION DE JUEGOS Y JUGUETES.

D3699 OTRAS INDUSTRIAS MANUFACTURERAS, N.C.P.

D3710 RECICLAMIENTO DE DESPERDICIOS Y DESECHOS METALICOS.

D3720 RECICLAMIENTO DE DESPERDICIOS Y DESECHOS NO METALICOS.

189

ANEXO 2 Análisis de las 1000 empresas más important es del Ecuador (período 2006 – 2009)

CIUU Actividad

Económica

2006 2007 2008 2009

Nº

Cías.

Nº

Cías.

1000

Empr.

% Cías.

1000

Empr.

Nº

Cías.

Nº

Cías.

1000

Empr.

% Cías.

1000

Empr.

Nº

Cías.

Nº

Cías.

1000

Empr.

% Cías.

1000

Empr.

Nº

Cías.

Nº

Cías.

1000

Empr.

% Cías.

1000

Empr.

A Agricultura, Ganadería, Caza y Silvicultura

1979 51 2.58% 1975 52 2.63% 2112 50 2.37% 2089 52 2.49%

B Pesca 621 19 3.06% 653 19 2.91% 716 19 2.65% 750 17 2.27%

C Explotación de Minas y Canteras

382 47 12.30% 390 43 11.03% 395 42 10.63% 374 44 11.76%

D Industrias Manufactureras

3501 269 7.68% 3413 260 7.62% 3476 275 7.91% 3402 259 7.61%

E Suministros de Electricidad, Gas y Agua

122 36 29.51% 132 33 25.00% 130 32 24.62% 117 22 18.80%

F Construcción 2023 32 1.58% 2154 35 1.62% 2169 34 1.57% 2192 44 2.01%

G Comercio al por Mayor y al Por Menor...

10324 347 3.36% 10383 357 3.44% 10864 362 3.33% 11788 351 2.98%

H Hoteles y Restaurantes

504 10 1.98% 555 9 1.62% 588 10 1.70% 590 13 2.20%

I Transporte, Almacenamiento y Comun…

3971 63 1.59% 4082 61 1.49% 4240 58 1.37% 5532 55 0.99%

J Intermediación Financiera

269 12 4.46% 259 12 4.63% 285 11 3.86% 278 19 6.83%

K

Actividades Inmobiliarias, Empresariales y de Alquiler

12466 88 0.71% 11824 96 0.81% 12024 87 0.72% 11683 100 0.86%

L Administración Pública y Defensa

19 0 0.00% 19 0 0.00% 10 0 0.00% 16 0 0.00%

M Enseñanza 302 4 1.32% 309 3 0.97% 320 1 0.31% 317 2 0.63%

N

Actividades de Servicios Sociales y de Salud

477 10 2.10% 490 9 1.84% 540 9 1.67% 521 10 1.92%

O

Otras Actividades Comunitarias Soc…

471 12

P Hogares Privados con Serv. Dom.

3 0

TOTAL 37434 1000


Elaboración: Autor

La tabla anterior ofrece un completo resumen detallado, según la actividad

económica del número de empresas y su número de empresas consideradas entre

las mil más importantes año a año, según publicación y estudio de la

Superintendencia de Compañías.

No es coincidencia que aquellos sectores que más empresas concentran, sean

también las que más empresas tengan entre las 1000 empresas más importantes

del Ecuador, cosa que puede visualizarse en la siguiente figura:

Número de empresas en promedio de las 1000 empresas más importantes del


Elaboración: Autor

93

59

51

44

3631 19

2.55% 494 11 2.23% 552 10 1.81%

0.00% 3 0 0.00% 4 0 0.00%

1000

37135 1000

38425 1000




más importantes año a año, según publicación y estudio de la

Superintendencia de Compañías.



cosa que puede visualizarse en la siguiente figura:


Ecuador


354

266

19 14 11 11

103

0

0

Comercio al por Mayor y al Por Menor...Industrias Manufactureras

Actividades Inmobiliarias, Empresariales y de AlquilerTransporte, Almacenamiento y Comun…Agricultura,Ganadería,Caza y SilviculturaExplotación de Minas y Canteras

Construcción

Suministros de Electricidad, Gas y AguaPesca

Intermediación Financiera

Hoteles y Restaurantes

Otras Actividades Comunitarias Soc…Actividades de Servicios Sociales y de Salud

190

1.81% 551 12 2.18%

0.00% 2 0 0.00%

40202 1000



más importantes año a año, según publicación y estudio de la




Comercio al por Mayor y al Por

Industrias Manufactureras

Actividades Inmobiliarias, Empresariales y de AlquilerTransporte, Almacenamiento y

Agricultura,Ganadería,Caza y

Explotación de Minas y Canteras

Suministros de Electricidad, Gas y



Otras Actividades Comunitarias

Actividades de Servicios Sociales y

El sector “Comercio al por mayor y al por menor; reparación de vehículos

automotores, motocicletas, efectos personales y enseres domésticos” es el sector

que cuenta con mayor número de empresas entre las 1000 más importantes de

Ecuador con 354 empresa

el segundo sector con mayor número de empresas entre las 1000 más

importantes de Ecuador, con 266

Inmobiliarias, Empresariales y de Alquiler” es el tercer sect

de empresas entre las 1000 más importantes de Ecuador, con 93

promedio, lo cual habla claramente de la importancia que estos sectores tienen en

el impulso de la economía ecuatoriana, particularmente las empresas del sector

“Industrias Manufactureras”, el cual es de interés de

Antes se vio la composición de las 1000 mejores empresas

acuerdo a la actividad económica que desarrolla, pero es muy importante también

conocer el porcentaje de empresas que en c

categoría, observando la

Promedio del porcentaje de empresas entre las 1000 empresas más importantes del


Elaboración: Autor

Industrias Manufactureras,

7,71%

4,95%

3,28%

2,72%

2,52%

2,19%

1,88%

1,88% 1,70%

1,36%




empresas en promedio; el sector “Industrias M


importantes de Ecuador, con 266 empresas en promedio y el sector “Actividades

Inmobiliarias, Empresariales y de Alquiler” es el tercer sector con mayor número

de empresas entre las 1000 más importantes de Ecuador, con 93



anufactureras”, el cual es de interés de estudio.

Antes se vio la composición de las 1000 mejores empresas


conocer el porcentaje de empresas que en cada sector se encuentra en esta

categoría, observando la siguiente figura se puede tener una mejor idea.

Promedio del porcentaje de empresas entre las 1000 empresas más importantes del Ecuador (período 2006 – 2009)



Agua, 24,48%

Explotación de Minas y Canteras,

11,43%

1,70%

1,36%0,81%

0,77%

0,00%

0,00%

Suministros de Electricidad, Gas y AguaExplotación de Minas y Canteras



Comercio al por Mayor y al Por Menor...Pesca

Agricultura,Ganadería,Caza y SilviculturaOtras Actividades Comunitarias Soc…Actividades de Servicios Sociales y de SaludHoteles y Restaurantes

Construcción

Transporte, Almacenamiento y Comun…

191




Manufactureras” es


s en promedio y el sector “Actividades

or con mayor número

de empresas entre las 1000 más importantes de Ecuador, con 93 empresas en



Antes se vio la composición de las 1000 mejores empresas del Ecuador de


ada sector se encuentra en esta

figura se puede tener una mejor idea.

Promedio del porcentaje de empresas entre las 1000 empresas más importantes del


Explotación de Minas y Canteras



Comercio al por Mayor y al Por

Agricultura,Ganadería,Caza y

Otras Actividades Comunitarias

Actividades de Servicios Sociales y


Transporte, Almacenamiento y

192

Esta relación es muy diferente a la descrita antes; en la figura anterior se muestra

en promedio el porcentaje de empresas que están consideradas entre las 1000

más importantes del Ecuador, sobre el total de empresas de cada sector, así se

observa que el sector “Suministros de electricidad, gas y agua” es el que tiene en

promedio la mayor parte de sus empresas entre las 1000 más importantes con el

24,48% en promedio, seguido del sector “Explotación de Minas y Canteras” con el

11,43% en promedio; y del sector “Industrias Manufactureras” con el 7,71% en

promedio de sus empresas entre las 1000 más importantes de Ecuador.

193

ANEXO 3. PRUEBAS DE NORMALIDAD DE LOS DATOS ORIGINA LES, INDICADOR DE QUIEBRA

AÑO 2006


SOLVENTES INSOLVENTES SOLVENTES INSOLVENTES SOLVENTES INSOLVENTES

N Sig.

asintót. (bilateral)

N Sig.


N Sig.


N Sig.


N Sig.


N Sig.


LIQUIDEZ CORRIENTE 37 0.48 37 0.79 40 0.43 39 0.19 41 0.09 41 0.08

PRUEBA ÁCIDA 37 0.42 37 0.91 40 0.31 39 0.49 41 0.23 41 0.07

ENDEUDAMIENTO PATRIMONIAL 37 0.83 37 0.43 40 0.71 39 0.18 41 0.27 41 0.36

ENDEUDAMIENTO DEL ACTIVO FIJO 37 0.51 37 0.25 40 0.07 39 0.58 41 0.46 41 0.45

APALANCAMIENTO 37 0.83 37 0.43 40 0.71 39 0.18 41 0.27 41 0.36

APALANCAMIENTO FINANCIERO 37 0.98 37 0.71 40 0.51 39 0.26 41 0.75 41 0.29

ROTACIÓN DE CARTERA 37 0.79 37 0.50 40 0.18 39 0.38 41 0.68 41 0.00

ROTACIÓN DEL ACTIVO FIJO 37 0.17 37 0.68 40 0.19 39 0.21 41 0.41 41 0.57

ROTACIÓN DE VENTAS 37 0.19 37 0.92 40 0.41 39 0.83 41 0.20 41 0.87

IMPACTO GASTOS ADMINISTRACIÓN Y VENTAS 37 0.97 37 0.83 40 0.68 39 0.87 41 0.98 41 1.00

IMPACTO DE LA CARGA FINANCIERA 37 0.90 37 0.99 40 0.43 39 0.06 41 0.02 41 0.27

RENTABILIDAD NETA DEL ACTIVO (DU PONT) 37 0.73 37 0.08 40 0.07 39 0.62 41 0.34 41 0.02

MARGEN BRUTO 37 0.82 37 0.89 40 0.62 39 0.99 41 0.88 41 0.90

MARGEN OPERACIONAL 37 0.62 37 0.98 40 0.40 39 0.07 41 0.16 41 0.16

RENTABILIDAD NETA DE VENTAS (MARGEN NETO) 37 0.59 37 0.38 40 0.05 39 0.90 41 0.06 41 0.30

RENTABILIDAD OPERACIONAL DEL PATRIMONIO 37 0.94 37 0.16 40 0.06 39 0.05 41 0.42 41 0.59

RENTABILIDAD FINANCIERA 37 0.61 37 0.09 40 0.14 39 0.63 41 0.31 41 0.49

194

AÑO 2009


SOLVENTES INSOLVENTES SOLVENTES INSOLVENTES SOLVENTES INSOLVENTES

N Sig.


N Sig.


N Sig.


N Sig.


N Sig.


N Sig.


LIQUIDEZ CORRIENTE 37 0.76 37 0.87 40 0.53 39 0.98 41 0.69 41 0.73

PRUEBA ÁCIDA 37 0.35 37 0.99 40 0.13 39 0.33 41 0.65 41 0.91

ENDEUDAMIENTO PATRIMONIAL 37 0.97 37 0.02 40 0.96 39 0.02 41 0.90 41 0.05

ENDEUDAMIENTO DEL ACTIVO FIJO 37 0.07 37 0.02 40 0.73 39 0.03 41 0.00 41 0.07

APALANCAMIENTO 37 0.97 37 0.02 40 0.96 39 0.02 41 0.90 41 0.05

APALANCAMIENTO FINANCIERO 37 0.96 37 0.43 40 0.94 39 0.39 41 0.38 41 0.04

ROTACIÓN DE CARTERA 37 0.27 37 0.83 40 0.47 39 0.30 41 0.00 41 0.16

ROTACIÓN DEL ACTIVO FIJO 37 0.17 37 0.14 40 0.52 39 0.01 41 0.00 41 0.01

ROTACIÓN DE VENTAS 37 0.58 37 0.84 40 0.43 39 0.16 41 0.39 41 0.80

IMPACTO GASTOS ADMINISTRACIÓN Y VENTAS 37 0.24 37 0.53 40 0.91 39 1.00 41 0.31 41 0.70

IMPACTO DE LA CARGA FINANCIERA 37 0.04 37 0.15 40 0.45 39 0.55 41 0.01 41 0.04

RENTABILIDAD NETA DEL ACTIVO (DU PONT) 37 0.13 37 0.69 40 0.53 39 0.58 41 0.12 41 0.57

MARGEN BRUTO 37 0.77 37 0.86 40 0.91 39 0.52 41 0.91 41 0.75

MARGEN OPERACIONAL 37 0.70 37 0.91 40 0.46 39 0.84 41 0.73 41 0.43

RENTABILIDAD NETA DE VENTAS (MARGEN NETO) 37 0.59 37 0.37 40 0.62 39 0.93 41 0.40 41 0.80

RENTABILIDAD OPERACIONAL DEL PATRIMONIO 37 0.50 37 0.72 40 0.52 39 0.08 41 0.51 41 0.83

RENTABILIDAD FINANCIERA 37 0.70 37 0.72 40 0.94 39 0.80 41 0.37 41 0.52

195

ANEXO 4. PRUEBAS DE NORMALIDAD DE LOS DATOS TRANSFO RMADOS, INDICADOR DE QUIEBRA

AÑO 2006


SOLVENTES INSOLVENTES SOLVENTES INSOLVENTES SOLVENTES INSOLVENTE

S

N Sig.


N Sig.


N Sig.


N Sig.


N Sig.


N Sig.


LIQUIDEZ CORRIENTE - - - - 40 0.85 39 0.45 41 0.35 41 0.37 PRUEBA ÁCIDA - - - - 40 0.86 39 0.87 41 0.49 41 0.33 ENDEUDAMIENTO PATRIMONIAL - - - - 40 0.74 39 0.23 41 0.24 41 0.56 ENDEUDAMIENTO DEL ACTIVO FIJO - - - - 40 0.50 39 0.96 41 0.90 41 0.34 APALANCAMIENTO - - - - 40 0.82 39 0.21 41 0.25 41 0.50 APALANCAMIENTO FINANCIERO - - - - 40 0.31 39 0.35 41 0.44 41 0.77 ROTACIÓN DE CARTERA - - - - 40 0.43 39 0.75 41 0.84 41 0.12 ROTACIÓN DEL ACTIVO FIJO - - - - 40 0.92 39 0.97 41 0.29 41 0.67 ROTACIÓN DE VENTAS - - - - 40 0.72 39 0.57 41 0.42 41 0.98 IMPACTO GASTOS ADMINISTRACIÓN Y VENTAS - - - - 40 0.84 39 0.97 41 1.00 41 1.00 IMPACTO DE LA CARGA FINANCIERA - - - - 40 0.50 39 0.08 41 0.02 41 0.36 RENTABILIDAD NETA DEL ACTIVO (DU PONT) - - - - 40 0.11 39 0.67 41 0.54 41 0.02 MARGEN BRUTO - - - - 40 0.85 39 0.92 41 0.90 41 0.97 MARGEN OPERACIONAL - - - - 40 0.48 39 0.10 41 0.18 41 0.23 RENTABILIDAD NETA DE VENTAS (MARGEN NETO)

- - - - 40 0.07 39 0.91 41 0.08 41 0.31

RENTABILIDAD OPERACIONAL DEL PATRIMONIO - - - - 40 0.15 39 0.23 41 0.82 41 0.77 RENTABILIDAD FINANCIERA - - - - 40 0.27 39 0.72 41 0.63 41 0.55

196

AÑO 2009


SOLVENTES INSOLVENTES SOLVENTES INSOLVENTES SOLVENTES INSOLVENTE

S

N Sig.


N Sig.


N Sig.


N Sig.


N Sig.


N Sig.


LIQUIDEZ CORRIENTE 37 0.94 37 0.77 40 0.88 39 0.96 41 0.99 41 0.90 PRUEBA ÁCIDA 37 0.52 37 0.93 40 0.45 39 0.24 41 0.98 41 0.92 ENDEUDAMIENTO PATRIMONIAL 37 0.95 37 0.44 40 0.96 39 0.04 41 0.86 41 0.18 ENDEUDAMIENTO DEL ACTIVO FIJO 37 0.14 37 0.22 40 0.99 39 0.47 41 0.23 41 0.83 APALANCAMIENTO 37 0.97 37 0.30 40 0.96 39 0.03 41 0.87 41 0.13 APALANCAMIENTO FINANCIERO 37 0.96 37 0.60 40 1.00 39 0.66 41 0.64 41 0.34 ROTACIÓN DE CARTERA 37 0.69 37 0.73 40 1.00 39 0.75 41 0.55 41 0.93 ROTACIÓN DEL ACTIVO FIJO 37 0.61 37 0.91 40 0.87 39 0.61 41 0.36 41 0.63 ROTACIÓN DE VENTAS 37 0.73 37 0.97 40 0.86 39 0.49 41 0.88 41 0.74 IMPACTO GASTOS ADMINISTRACIÓN Y VENTAS 37 0.32 37 0.63 40 0.96 39 1.00 41 0.54 41 0.77 IMPACTO DE LA CARGA FINANCIERA 37 0.04 37 0.15 40 0.46 39 0.55 41 0.01 41 0.04 RENTABILIDAD NETA DEL ACTIVO (DU PONT) 37 0.16 37 0.70 40 0.55 39 0.57 41 0.15 41 0.58 MARGEN BRUTO 37 0.88 37 0.92 40 0.83 39 0.64 41 0.99 41 0.72 MARGEN OPERACIONAL 37 0.81 37 0.94 40 0.56 39 0.88 41 0.77 41 0.47 RENTABILIDAD NETA DE VENTAS (MARGEN NETO)

37 0.67 37 0.37 40 0.69 39 0.93 41 0.42 41 0.80

RENTABILIDAD OPERACIONAL DEL PATRIMONIO 37 0.75 37 0.84 40 0.71 39 0.18 41 0.88 41 0.62 RENTABILIDAD FINANCIERA 37 0.77 37 0.66 40 0.96 39 0.83 41 0.53 41 0.53

197

ANEXO 5. PRUEBA DE BOX SOBRE LA IGUALDAD DE LAS MAT RICES DE COVARIANZA EN EL MODELO DE QUIEBRA, AÑOS 2006 Y 200 9

SEGMENTO GRANDES

GRANDES 2006 GRANDES 2009 Resultados de la prueba Resultados de la prueba

M de Box 40.452 M de Box 243.057

F Aprox. 13.079 F Aprox. 38.674

gl1 3 gl1 6

gl2 933120.000 gl2 37559.547

Sig. .000 Sig. .000

Contrasta la hipótesis nula de que las matrices de covarianzas poblacionales son iguales.

SEGMENTO MEDIANAS

MEDIANAS 2006 MEDIANAS 2009 Resultados de la prueba Resultados de la prueba

M de Box 262.129 M de Box 61.576

F Aprox. 41.838 F Aprox. 9.828

gl1 6 gl1 6

gl2 42879.754 gl2 42879.754

Sig. .000 Sig. .000


SEGMENTO PEQUEÑAS

PEQUEÑAS 2006 PEQUEÑAS 2009 Resultados de la prueba Resultados de la prueba

M de Box 295.941 M de Box 356.599

F Aprox. 12.960 F Aprox. 33.732

gl1 21 gl1 10

gl2 23539.190 gl2 30597.610

Sig. .000 Sig. .000


198

ANEXO 6. PRUEBAS DE IGUALDAD GLOBAL DE LAS MEDIAS D E LOS GRUPOS, INDICADOR DE QUIEBRA, AÑOS 2006 Y 2009

SEGMENTO AÑO Lambda de Wilks

Chi-cuadrado gl Sig.

GRANDES 2006 .225 105.787 2 0.00

2009 .182 120.169 3 0.00

MEDIANAS 2006 .129 154.590 3 0.00

2009 .339 81.772 3 0.00

PEQUEÑAS 2006 .121 162.779 6 0.00

2009 .237 112.421 4 0.00

ANEXO 7. PRUEBAS DE IGUALDAD DE LAS MEDIAS DE LOS G RUPOS, INDICADOR DE QUIEBRA, AÑOS 2006 Y 2009

Segmento Grandes

Ratios Financieros / Pruebas 2006 &

2009

Lambda de Wilks F gl1 gl2 Sig.

2006 2009 2006 2009 2006 2009 2006 2009 2006 2009

LIQUIDEZ CORRIENTE .586 .354 50.90 131.17 1 1 72 72 .000 .000

PRUEBA ÁCIDA .597 .345 48.65 136.70 1 1 72 72 .000 .000

ENDEUDAMIENTO PATRIMONIAL .256 .351 209.05 133.18 1 1 72 72 .000 .000

ENDEUDAMIENTO DEL ACTIVO FIJO .698 .751 31.23 23.91 1 1 72 72 .000 .000

APALANCAMIENTO .256 .402 209.05 107.00 1 1 72 72 .000 .000

APALANCAMIENTO FINANCIERO .980 .850 1.47 12.69 1 1 72 72 .229 .001

ROTACIÓN DE CARTERA .932 .999 5.27 0.08 1 1 72 72 .025 .784

ROTACIÓN DEL ACTIVO FIJO .969 .984 2.31 1.18 1 1 72 72 .133 .282

199

ROTACIÓN DE VENTAS .947 1.000 4.03 0.01 1 1 72 72 .048 .925

IMPACTO GASTOS ADMINISTRACIÓN Y VENTAS

.995 .996 0.38 0.32 1 1 72 72 .540 .576

IMPACTO DE LA CARGA FINANCIERA

.960 - 2.98 - 1 - 72 - .089 -

RENTABILIDAD NETA DEL ACTIVO (DU PONT)

.666 .576 36.16 53.04 1 1 72 72 .000 .000

MARGEN BRUTO .940 .829 4.56 14.85 1 1 72 72 .036 .000

MARGEN OPERACIONAL .843 .682 13.36 33.63 1 1 72 72 .000 .000

RENTABILIDAD NETA DE VENTAS (MARGEN NETO)

.684 .545 33.31 60.08 1 1 72 72 .000 .000

RENTABILIDAD OPERACIONAL DEL PATRIMONIO

.994 .994 0.41 0.46 1 1 72 72 .525 .498

RENTABILIDAD FINANCIERA .922 .859 6.09 11.86 1 1 72 72 .016 .001

Segmento Medianas


2009

Lambda de Wilks

F gl1 gl2 Sig.

2006 2009 2006 2009 2006 2009 2006 2009 2006 2009


PRUEBA ÁCIDA .51 .63 72.72 45.49 1 1 77 77 .000 .000

ENDEUDAMIENTO PATRIMONIAL

.22 - 267.16 - 1 - 77 - .000 -


APALANCAMIENTO .26 - 220.22 - 1 - 77 - .000 -


ROTACIÓN DE CARTERA .99 .91 .61 7.48 1 1 77 77 .436 .008

200

ROTACIÓN DEL ACTIVO FIJO

.92 .98 6.94 1.93 1 1 77 77 .010 .169

ROTACIÓN DE VENTAS .98 .97 1.32 2.54 1 1 77 77 .253 .115


.99 .99 .39 .47 1 1 77 77 .534 .495


.99 .88 .81 10.65 1 1 77 77 .372 .002


.81 .52 17.61 71.23 1 1 77 77 .000 .000

MARGEN BRUTO .95 .90 3.87 8.80 1 1 77 77 .053 .004

MARGEN OPERACIONAL .86 .68 12.75 35.57 1 1 77 77 .001 .000


.85 .58 13.65 56.63 1 1 77 77 .000 .000


.93 .98 6.01 1.38 1 1 77 77 .017 .243

RENTABILIDAD FINANCIERA 1.00 .83 .09 16.25 1 1 77 77 .771 .000

Segmento Pequeñas


2009


2006 2009 2006 2009 2006 2009 2006 2009 2006 2009


PRUEBA ÁCIDA .716 .593 31.781 54.795 1 1 80 80 .000 .000

ENDEUDAMIENTO PATRIMONIAL .243 .345 248.740 151.808 1 1 80 80 .000 .000


APALANCAMIENTO .269 .372 217.535 135.153 1 1 80 80 .000 .000


201

ROTACIÓN DE CARTERA

.824 .940 17.032 5.138 1 1 80 80 .000 .026

ROTACIÓN DEL ACTIVO FIJO .896 .992 9.249 .645 1 1 80 80 .003 .424

ROTACIÓN DE VENTAS .989 .874 .882 11.525 1 1 80 80 .351 .001


.924 .949 6.587 4.296 1 1 80 80 .012 .041


- - - - - - - - - -


- .538 - 68.612 - 1 - 80 - .000

MARGEN BRUTO .917 .828 7.258 16.565 1 1 80 80 .009 .000

MARGEN OPERACIONAL .996 .636 .289 45.798 1 1 80 80 .593 .000


.926 .551 6.383 65.085 1 1 80 80 .013 .000


.802 .845 19.710 14.636 1 1 80 80 .000 .000

RENTABILIDAD FINANCIERA .962 .726 3.151 30.253 1 1 80 80 .080 .000

202

ANEXO 8. PUNTUACIONES DISCRIMINANTES DEL INDICADOR DE QUIEBRA, GRANDES, MEDIANAS Y PEQUEÑAS EMPRESAS, AÑO S 2006 Y

2009


CASO 2006 2009 2006 2009 2006 2009

1 6.402 4.591 -16.386 1.386 5.858 5.577

2 -2.905 -8.723 -14.189 9.284 9.987 7.835

3 5.988 4.795 -8.886 2.040 -22.101 5.320

4 -2.874 -12.816 31.035 3.150 7.462 -1.442

5 5.511 9.966 10.241 8.033 -12.627 6.750

6 6.494 9.809 2.934 1.517 -13.022 5.591

7 -2.604 3.315 9.777 -2.021 -17.106 -3.308

8 8.510 6.502 -15.584 -2.528 10.441 10.838

9 2.250 -12.342 5.337 -2.383 -11.995 -9.242

10 -11.511 15.094 -7.331 -3.816 21.751 -11.985

11 -6.082 -7.468 18.233 0.557 -12.580 14.069

12 -6.310 -10.502 -11.355 -2.869 12.248 -5.974

13 9.390 -5.863 7.925 5.852 -13.064 6.910

14 3.922 -5.388 -14.861 -1.143 -13.068 -2.116

15 3.959 -12.059 -8.747 -5.929 15.473 -10.877

16 -1.978 -9.530 11.895 -3.475 -14.621 11.614

17 2.566 -9.024 21.380 0.451 11.916 5.070

18 -8.441 -12.608 -18.330 9.338 9.255 8.021

19 -6.780 -10.826 -10.144 4.032 17.361 10.753

20 -0.310 15.235 3.905 3.067 21.362 -5.868

21 5.040 5.452 9.404 5.919 23.118 2.744

22 3.109 -11.744 15.848 -6.315 -18.124 -0.615

23 -4.042 -4.273 -12.607 0.518 -13.895 -0.932

24 -5.162 2.408 5.263 -0.757 -13.412 -7.414

25 0.305 -5.397 -15.449 2.768 -15.477 -3.092

26 -10.224 -9.049 6.603 -2.458 14.850 11.760

27 9.576 7.431 6.550 -4.252 9.862 -8.271

28 -13.352 -5.329 -6.625 -1.052 -18.786 7.631

29 6.805 -11.833 13.954 -6.603 -14.466 0.667

30 -7.567 13.664 17.240 0.847 6.036 -8.096

31 -5.704 4.508 -13.754 -2.760 15.401 -6.856

32 -3.880 10.007 -18.057 -4.348 -13.947 3.787

33 7.786 -11.181 16.238 4.305 -7.572 -2.922

34 -12.034 1.339 14.311 -7.339 -23.707 -8.245

35 -6.817 8.747 15.464 -2.738 13.415 2.756

36 4.560 -6.007 10.539 10.167 19.029 -6.437

203

37 -2.546 3.507 -18.608 -1.625 5.625 -2.340

38 7.305 -4.057 -10.975 3.717 16.858 -3.545

39 2.849 -4.171 18.208 -3.241 15.122 -7.346

40 6.410 14.540 -7.215 -0.879 22.979 1.115

41 5.804 6.359 -12.759 -3.749 -4.085 9.295

42 6.337 9.825 6.126 -4.426 -15.842 -0.996

43 -12.802 -4.736 11.300 0.539 -7.237 -8.033

44 -8.804 11.052 9.276 3.930 -22.345 1.323

45 4.019 9.247 7.074 -5.700 -9.960 12.069

46 -4.732 -7.622 15.290 -3.352 -9.735 -12.381

47 5.775 11.639 -8.789 3.087 9.512 -0.890

48 7.202 11.993 -8.655 -4.869 -17.105 -9.563

49 3.361 -12.151 8.359 5.147 -18.310 -6.624

50 -13.019 -10.828 -20.975 4.862 -15.813 -11.283

51 -10.102 16.814 -10.244 4.877 19.681 -7.705

52 -3.564 10.637 17.617 15.192 13.805 -8.113

53 -3.123 -10.080 6.518 5.758 -17.185 4.649

54 4.768 -9.122 16.460 -2.616 -21.089 4.279

55 9.381 -7.511 -18.267 -0.419 -13.673 -8.458

56 -2.103 -4.890 -9.393 1.100 9.946 -4.239

57 -20.187 -10.739 -18.047 7.454 15.815 9.461

58 6.189 17.806 25.047 3.504 -14.584 4.159

59 10.009 2.374 -15.201 -8.859 20.603 3.171

60 5.650 20.919 14.397 -0.785 11.102 -8.106

61 3.352 2.603 -12.846 -4.040 5.300 2.140

62 6.517 11.158 14.840 -3.317 9.825 4.492

63 2.416 -12.539 -18.416 2.113 21.356 2.470

64 -5.264 -9.705 -13.499 -4.351 17.454 8.295

65 2.960 4.026 -16.046 -3.536 -6.535 -7.145

66 -9.951 3.882 -12.403 -5.720 -8.938 3.222

67 4.365 -12.068 -14.599 3.244 15.940 3.984

68 -7.451 -6.390 20.306 -2.914 0.751 -12.973

69 -4.036 3.952 -10.966 6.135 24.636 5.681

70 7.034 7.069 -14.291 0.258 -16.675 -3.057

71 -4.129 -2.819 11.075 -5.074 -13.822 -8.996

72 -15.255 5.275 15.840 -3.645 -13.267 6.773

73 -10.440 -12.521 13.586 -2.571 -14.505 14.339

74 8.346 16.376 23.655 -3.029 -17.867 -0.637

75 - - -15.564 -3.608 5.950 -8.953

76 - - 17.280 6.949 11.893 8.186

77 - - -12.044 4.950 -17.636 8.553

204

78 - - -13.481 -3.224 10.229 7.973

79 - - -7.588 -3.904 8.389 -5.059

80 - - - - -17.484 -4.722

81 - - - - 23.882 5.767

82 - - - - 21.782 -4.234

ANEXO 9. PRUEBAS DE NORMALIDAD DE LAS PUNTUACIONES DISCRIMINANTES DE LOS INDICADORES DE QUIEBRA, AÑOS 2006 Y 2009

2006 2009

SOLVENTES INSOLVENTES SOLVENTES INSOLVENTES

N Sig.


N Sig.


N Sig.


N Sig.


GRANDES 38 0.995 36 0.770 37 0.646 37 0.653

MEDIANAS 40 0.956 39 0.949 36 0.803 43 0.735

PEQUEÑAS 42 0.826 40 0.600 40 0.774 42 0.907

205

ANEXO 10. PRUEBAS DE NORMALIDAD DE LOS DATOS ORIGIN ALES, INDICADOR DE PRODUCTIVIDAD, AÑOS

2006 Y 2009

AÑO 2006


PRODUCTIVAS IMPRODUCTIVAS PRODUCTIVAS IMPRODUCTIVAS PRODUCTIVAS IMPRODUCTIVAS

N Sig.


N Sig. asintót. (bilateral) N

Sig. asintót.

(bilateral) N Sig. asintót.

(bilateral) N Sig.


N Sig. asintót. (bilateral)

INGRESOS / INV. TOTAL 37 0,28 37 0,03 40 0,02 39 0,40 41 0,01 41 0,01

INGRESOS / #TRAB. 37 0,52 37 0,07 40 0,15 39 0,39 41 0,87 41 0,50

INGRESOS / COSTO TOTAL 37 0,45 37 0,26 40 0,59 39 0,41 41 0,08 41 0,54

INGRESOS / GASTO SUELDOS 37 0,47 37 0,14 40 0,56 39 0,32 41 0,77 41 0,81

BENEF. / INV. TOTAL 37 0,14 37 0,03 40 0,09 39 0,23 41 0,37 41 0,01

BENEF. / #TRAB. 37 0,04 37 0,02 40 0,27 39 0,59 41 0,51 41 0,09

BENEF. / GASTO SUELDOS 37 0,34 37 0,04 40 0,04 39 0,35 41 0,16 41 0,07

PROD / INV.TOTAL 37 0,35 37 0,02 40 0,01 39 0,34 41 0,01 41 0,01

PROD / #TRAB. 37 0,43 37 0,09 40 0,30 39 0,59 41 0,72 41 0,55

PROD / GASTO SUELDOS 37 0,79 37 0,16 40 0,56 39 0,26 41 0,88 41 0,69

ROA (Retorno sobre los Activos) 37 0,22 37 0,11 40 0,21 39 0,06 41 0,10 41 0,01

ROE (Retorno sobre el Capital Propio) 37 0,19 37 0,18 40 0,16 39 0,04 41 0,05 41 0,12

ROTACIÓN DE VENTAS 37 0,20 37 0,04 40 0,02 39 0,51 41 0,66 41 0,00

PROD / COSTO TOTAL 37 0,55 37 0,37 40 0,63 39 0,55 41 0,11 41 0,71

206

AÑO 2009



N Sig.



Sig. asintót.


(bilateral) N Sig.



LIQUIDEZ CORRIENTE 37 0,73 37 0,38 40 0,09 39 0,43 41 0,18 41 0,15

PRUEBA ÁCIDA 37 0,08 37 0,01 40 0,69 39 0,72 41 0,56 41 0,72

ENDEUDAMIENTO PATRIMONIAL 37 0,42 37 0,68 40 0,18 39 0,08 41 0,04 41 0,01

ENDEUDAMIENTO DEL ACTIVO FIJO 37 0,72 37 0,61 40 0,14 39 0,82 41 0,68 41 0,65

APALANCAMIENTO 37 0,15 37 0,07 40 0,45 39 0,10 41 0,05 41 0,04

APALANCAMIENTO FINANCIERO 37 0,41 37 0,01 40 0,61 39 0,71 41 0,04 41 0,05

ROTACIÓN DE CARTERA 37 0,40 37 0,56 40 0,04 39 0,54 41 0,13 41 0,28

ROTACIÓN DEL ACTIVO FIJO 37 0,80 37 0,15 40 0,12 39 0,21 41 0,10 41 0,15

ROTACIÓN DE VENTAS 37 0,07 37 0,01 40 0,40 39 0,89 41 0,58 41 0,36


37 0,65 37 0,81 40 0,02 39 0,83 41 0,32 41 0,75

IMPACTO DE LA CARGA FINANCIERA 37 0,47 37 0,28 40 0,56 39 0,47 41 0,16 41 0,08

RENTABILIDAD NETA DEL ACTIVO (DU PONT) 37 0,72 37 0,20 40 0,41 39 0,04 41 0,17 41 0,12

MARGEN BRUTO 37 0,61 37 0,30 40 0,45 39 0,37 41 0,19 41 0,91

MARGEN OPERACIONAL 37 0,53 37 0,04 40 0,54 39 0,12 41 0,29 41 0,04

207

ANEXO 11. PRUEBAS DE NORMALIDAD DE LOS DATOS TRANSF ORMADOS, INDICADOR DE PRODUCTIVIDAD, AÑOS 2006 Y 2009

AÑO 2006



N Sig.



Sig. asintót.


(bilateral) N Sig.



INGRESOS / INV. TOTAL 37 0.61 37 0.63 40 0.33 39 0.89 41 0.36 41 0.81 INGRESOS / #TRAB. 37 0.88 37 0.63 40 0.32 39 0.39 41 0.96 41 0.82 INGRESOS / COSTO TOTAL 37 0.44 37 0.45 40 0.79 39 0.49 41 0.20 41 0.59 INGRESOS / GASTO SUELDOS 37 0.42 37 0.49 40 0.85 39 0.88 41 0.82 41 0.99 BENEF. / INV. TOTAL 37 0.42 37 0.03 40 0.29 39 0.27 41 0.90 41 0.04 BENEF. / #TRAB. 37 0.98 37 0.23 40 1.00 39 0.15 41 0.67 41 0.03 BENEF. / GASTO SUELDOS 37 0.80 37 0.14 40 0.16 39 0.62 41 0.32 41 0.15 PROD / INV.TOTAL 37 0.34 37 0.54 40 0.35 39 0.70 41 0.43 41 0.93 PROD / #TRAB. 37 0.92 37 0.75 40 0.76 39 0.45 41 0.51 41 0.72 PROD / GASTO SUELDOS 37 0.78 37 0.69 40 0.77 39 0.86 41 0.92 41 0.99 ROA (Retorno sobre los Activos) 37 0.26 37 0.13 40 0.27 39 0.07 41 0.16 41 0.01 ROE (Retorno sobre el Capital Propio) 37 0.40 37 0.14 40 0.26 39 0.05 41 0.10 41 0.19 ROTACIÓN DE VENTAS 37 0.29 37 0.48 40 0.12 39 0.95 41 0.90 41 0.44 PROD / COSTO TOTAL 37 0.54 37 0.50 40 0.82 39 0.58 41 0.26 41 0.72

208

AÑO 2009



N Sig.



Sig. asintót.


(bilateral) N Sig.



INGRESOS / INV. TOTAL 37 0.92 37 0.82 40 0.65 39 0.84 41 0.31 41 0.47 INGRESOS / #TRAB. 37 0.89 37 0.76 40 1.00 39 0.02 41 0.90 41 0.27 INGRESOS / COSTO TOTAL 37 0.44 37 0.60 40 0.32 39 0.05 41 0.08 41 0.00 INGRESOS / GASTO SUELDOS 37 0.68 37 0.97 40 0.41 39 0.74 41 0.96 41 0.44 BENEF. / INV. TOTAL 37 0.27 37 0.12 40 0.69 39 0.18 41 0.15 41 0.07 BENEF. / #TRAB. 37 0.66 37 0.02 40 0.99 39 0.00 41 0.70 41 0.13 BENEF. / GASTO SUELDOS 37 0.70 37 0.94 40 0.09 39 0.81 41 0.27 41 0.38 PROD / INV.TOTAL 37 0.93 37 0.80 40 0.69 39 0.90 41 0.35 41 0.27 PROD / #TRAB. 37 0.87 37 0.88 40 0.85 39 0.05 41 0.81 41 0.10 PROD / GASTO SUELDOS 37 0.31 37 0.85 40 0.07 39 0.59 41 0.84 41 0.22 ROA (Retorno sobre los Activos) 37 0.51 37 0.32 40 0.56 39 0.47 41 0.21 41 0.09 ROE (Retorno sobre el Capital Propio) 37 0.85 37 0.29 40 0.53 39 0.05 41 0.19 41 0.17 ROTACIÓN DE VENTAS 37 0.92 37 0.81 40 0.60 39 0.91 41 0.45 41 0.85 PROD / COSTO TOTAL 37 0.60 37 0.01 40 0.72 39 0.05 41 0.48 41 0.01

209

ANEXO 12. PRUEBA DE BOX SOBRE LA IGUALDAD DE LAS MA TRICES DE COVARIANZA EN EL INDICADOR DE PRODUCTIVIDAD, AÑOS 2 006 Y 2009

SEGMENTO GRANDES

GRANDES 2006 GRANDES 2009 Resultados de la prueba Resultados de la prueba

M de Box 77.435 M de Box 51.315


gl1 15 gl1 10

gl2 20872.421 gl2 24784.064

Sig. .000 Sig. .000


SEGMENTO MEDIANAS MEDIANAS 2006 MEDIANAS 2009

Resultados de la prueba Resultados de la prueba

M de Box 41.796 M de Box 109.199


gl1 6 gl1 10

gl2 42879.754 gl2 28302.646

Sig. .000 Sig. .000


SEGMENTO PEQUEÑAS

PEQUEÑAS 2006 PEQUEÑAS 2009 Resultados de la prueba Resultados de la prueba

M de Box 27.464 M de Box 45.442


gl1 6 gl1 10

gl2 46369.811 gl2 30597.610

Sig. .000 Sig. .000


210

ANEXO 13. PRUEBAS DE IGUALDAD GLOBAL DE LAS MEDIAS DE LOS GRUPOS, AÑOS 2006 Y 2009, INDICADOR DE PRODUCTIVIDA D

SEGMENTO AÑO Lambda de Wilks

Chi-cuadrado gl Sig.

GRANDES 2006 .405 62.866 5 .000

2009 .437 58.005 4 .000

MEDIANAS 2006 .435 62.834 3 .000

2009 .258 101.683 4 .000

PEQUEÑAS 2006 .181 134.083 3 .000

2009 .261 104.802 4 .000

ANEXO 14. PRUEBAS DE IGUALDAD GLOBAL DE LAS MEDIAS DE LOS GRUPOS, AÑOS 2006 Y 2009, INDICADOR DE PRODUCTIVIDA D

Segmento Grandes

Ratios Productividad / Pruebas 2006 & 2009


2006 2009 2006 2009 2006 2009 2006 2009 2006 2009

INGRESOS / INV. TOTAL

1.000 .959 .000 3.087 1 1 72 72 .994 .083

INGRESOS / #TRAB.

.905 .997 7.556 .199 1 1 72 72 .008 .657

INGRESOS / COSTO TOTAL

.671 .575 35.347 53.268 1 1 72 72 .000 .000

INGRESOS / GASTO SUELDOS

.695 .974 31.537 1.898 1 1 72 72 .000 .173

BENEF. / INV. TOTAL

- .747 - 24.404 - 1 - 72 - .000

BENEF. / #TRAB. .796 - 18.449 - 1 - 72 - .000 -

BENEF. / GASTO SUELDOS

.808 .624 17.108 43.420 1 1 72 72 .000 .000

PROD / INV.TOTAL .996 .943 .315 4.337 1 1 72 72 .576 .041

PROD / #TRAB. .869 .989 10.894 .810 1 1 72 72 .002 .371

PROD / GASTO SUELDOS

.663 .960 36.655 2.980 1 1 72 72 .000 .089

211


.755 .604 23.427 47.109 1 1 72 72 .000 .000

ROE (Retorno sobre Capital Propio)

.905 .865 7.519 11.227 1 1 72 72 .008 .001

ROTACIÓN DE VENTAS

.999 .899 .072 8.052 1 1 72 72 .789 .006

PROD / COSTO TOTAL

.664 - 36.424 - 1 - 72 - .000 -

Segmento Medianas


2009


2006 2009 2006 2009 2006 2009 2006 2009 2006 2009


.878 .752 10.743 25.348 1 1 77 77 .002 .000

INGRESOS / #TRAB.

.782 .794 21.453 19.977 1 1 77 77 .000 .000


.715 .454 30.634 92.580 1 1 77 77 .000 .000


.922 .998 6.539 .187 1 1 77 77 .013 .667

BENEF. / INV. TOTAL

.760 .548 24.287 63.636 1 1 77 77 .000 .000

BENEF. / #TRAB. .687 .516 35.064 72.247 1 1 77 77 .000 .000


.895 - 8.991 - 1 - 77 - .004 -

PROD / INV.TOTAL .910 .771 7.651 22.814 1 1 77 77 .007 .000

PROD / #TRAB. .851 .818 13.447 17.156 1 1 77 77 .000 .000


.885 - 10.040 - 1 - 77 - .002 -


.813 .426 17.705 103.617 1 1 77 77 .000 .000


.905 - 8.121 - 1 - 77 - .006 -

ROTACIÓN DE VENTAS

.707 .737 31.878 27.533 1 1 77 77 .000 .000

PROD / COSTO TOTAL

.713 .502 31.015 76.401 1 1 77 77 .000 .000

212

Segmento Pequeñas


2009


2006 2009 2006 2009 2006 2009 2006 2009 2006 2009


.781 .576 22.450 58.951 1 1 80 80

.000 .000

INGRESOS / #TRAB.

.716 .593 31.781 54.795 1 1 80 80

.000 .000


.243 .345 248.740 151.808 1 1 80 80

.000 .000


.405 .915 117.644 7.421 1 1 80 80

.000 .008

BENEF. / INV. TOTAL

.269 .372 217.535 135.153 1 1 80 80

.000 .000

BENEF. / #TRAB. .539 .781 68.326 22.403

1 1 80 80 .000 .000


.824 .940 17.032 5.138 1 1 80 80

.000 .026

PROD / INV.TOTAL .896 .992 9.249 .645

1 1 80 80 .003 .424

PROD / #TRAB. .989 .874 .882 11.525

1 1 80 80 .351 .001


.924 .949 6.587 4.296 1 1 80 80

.012 .041


- - - - - - - - - -


-

.538

-

68.612

- 1 - 80 -

.000

ROTACIÓN DE VENTAS

.917 .828 7.258 16.565 1 1 80 80

.009 .000

PROD / COSTO TOTAL

.996 .636 .289 45.798 1 1 80 80

.593 .000

213

ANEXO 15. PUNTUACIONES DISCRIMINANTES DEL INDICADOR DE PRODUCTIVIDAD, GRANDES, MEDIANAS Y PEQUEÑAS EMPRESA S,

AÑOS 2006 Y 2009


CASO 2006 2009 2006 2009 2006 2009

1 1.865 4.009 1.005 4.202 -7.320 -5.831

2 1.933 -3.266 2.748 6.467 14.099 3.520

3 -0.330 4.282 -6.904 -5.097 -13.138 -6.913

4 2.526 -2.428 0.751 -5.257 12.245 6.583

5 -8.054 -1.911 -2.945 5.377 -10.341 10.967

6 -3.478 5.537 1.639 -1.246 -6.867 -10.826

7 2.306 -1.698 -1.281 -9.714 2.674 7.625

8 -5.696 -4.521 1.655 -2.617 -8.035 1.921

9 -4.942 0.558 6.536 10.526 2.644 -10.434

10 -5.765 2.398 0.671 -3.935 -10.722 -3.760

11 -3.368 -4.849 -4.363 -5.008 12.563 -11.749

12 3.497 -3.122 0.712 4.267 -10.410 -8.158

13 1.180 -2.589 -5.537 0.806 6.334 8.106

14 -5.915 -2.430 -0.394 -5.121 6.582 -3.570

15 -0.638 -2.949 -0.722 10.897 -5.104 7.528

16 -0.979 -1.957 -8.130 8.682 5.271 -6.834

17 2.277 1.557 9.673 -5.436 -8.587 -4.059

18 0.759 3.117 2.796 -0.458 -5.465 6.577

19 -1.334 -2.906 -0.841 3.168 4.251 0.243

20 3.584 7.000 -3.186 -3.653 10.216 -5.501

21 -2.116 -2.564 -1.321 -7.630 -6.270 1.396

22 -1.541 -1.480 -1.503 6.525 -3.822 0.697

23 3.311 3.634 -3.915 -7.833 4.111 -5.616

24 3.624 -1.715 4.569 4.713 12.298 9.046

25 -2.854 0.348 -5.704 -7.683 11.618 5.774

26 2.654 -3.692 2.367 7.949 17.072 4.982

27 -4.641 1.229 0.998 5.975 -13.833 -7.295

28 2.572 -0.478 -0.707 16.386 -13.910 10.461

29 0.898 -0.144 3.512 -7.704 -11.537 1.915

30 -2.321 -0.576 0.126 2.240 -6.921 2.152

31 -6.341 -2.193 1.993 -3.151 8.945 -8.383

32 -4.024 -3.197 -3.155 -5.646 12.078 7.617

33 0.964 5.595 3.757 7.072 -5.864 -0.025

34 2.277 -3.791 2.995 -4.527 -4.558 5.785

35 3.841 1.490 4.824 -5.228 -8.519 5.780

36 -2.597 -0.567 4.587 1.185 6.188 4.376

214

37 -2.162 -5.173 0.866 -6.704 -15.491 -3.694

38 2.452 7.560 -3.685 3.180 9.736 0.897

39 4.950 4.466 2.244 -5.473 7.061 -5.606

40 1.239 9.853 -0.742 -2.799 14.950 -1.734

41 -7.850 6.010 -3.323 3.801 -9.148 2.632

42 2.672 -2.810 -1.024 10.145 9.076 0.569

43 8.064 -0.790 7.195 -4.723 -6.131 -5.963

44 -2.254 4.076 2.040 -8.721 15.092 4.388

45 7.383 -2.375 -4.034 -4.231 14.131 -12.185

46 4.816 -0.787 1.561 -5.074 4.052 -5.498

47 2.392 -1.990 -2.610 0.718 -11.534 -6.792

48 -2.494 0.853 -3.800 6.535 -19.207 -2.721

49 1.582 4.191 0.345 -8.132 -9.890 -0.512

50 -1.079 -3.201 -2.321 -3.400 -2.046 8.859

51 2.354 1.372 -3.077 5.370 6.404 5.518

52 0.278 2.303 3.990 -4.804 7.070 6.826

53 -1.306 -5.312 0.226 4.588 8.655 -1.727

54 -2.936 -0.846 4.192 9.362 -6.618 5.260

55 0.245 1.401 2.596 8.872 18.342 -0.756

56 -0.728 3.962 1.225 3.067 -7.140 -5.833

57 -1.345 -1.351 -2.565 -11.436 6.156 -10.568

58 2.251 -3.671 -3.631 3.750 8.694 4.734

59 4.758 1.059 -2.750 5.610 10.150 4.098

60 1.539 2.528 -3.181 -12.942 -13.931 8.661

61 -3.716 4.053 2.160 9.554 -10.345 0.865

62 0.939 1.827 -6.517 -5.319 9.871 -2.706

63 -7.220 -3.375 0.088 -4.955 7.615 -13.448

64 -1.838 -0.732 1.971 -5.866 -1.168 7.542

65 4.088 -6.306 -1.281 2.245 -4.173 -5.908

66 2.703 0.988 0.607 1.332 -11.361 -5.311

67 -3.750 -0.752 1.380 7.512 -10.996 10.327

68 3.582 -2.250 3.721 1.950 -9.475 -6.450

69 5.535 -3.553 1.013 6.675 11.908 7.405

70 -0.411 0.347 2.408 -3.062 16.437 -9.691

71 -4.481 -0.084 2.918 15.665 5.490 7.669

72 -5.183 -0.315 3.970 8.512 -10.393 -0.823

73 5.574 -0.469 -2.518 2.962 0.471 7.371

74 6.227 3.561 -3.007 -8.127 5.685 -6.858

75 - - -5.438 -2.594 -8.550 0.181

76 - - -0.098 -3.285 -7.870 -6.334

77 - - 3.173 -5.988 9.362 8.183

215

78 - - 0.838 -6.048 -4.089 4.198

79 - - 0.101 -1.599 -3.859 -6.439

80 - - - - -16.828 0.466

81 - - - - 2.837 -1.476

82 - - - - 3.029 8.290

ANEXO 16. PRUEBAS DE NORMALIDAD DE LAS PUNTUACIONES DISCRIMINANTES, INDICADOR DE PRODUCTIVIDAD, años 20 06 y 2009

2006 2009

PRODUCTIVAS IMPRODUCTIVAS PRODUCTIVAS IMPRODUCTIVAS

N Sig.



Sig. asintót.


(bilateral)

GRANDES 39 0.200 35 0.761 31 0.730 43 0.601

MEDIANAS 44 0.567 35 0.836 38 0.942 41 0.435

PEQUEÑAS 41 0.868 41 0.969 43 0.583 39 0.625

escuela politÉcnica nacionalbibdigital.epn.edu.ec/bitstream/15000/6446/1/cd-4980.pdfmarcela...

Documents